¿Qué es el análisis de sentimiento y la minería de opiniones?

El análisis de sentimiento y la minería de opiniones son características que ofrece el servicio de lenguaje, una colección de algoritmos de aprendizaje automático e inteligencia artificial en la nube para el desarrollo de aplicaciones inteligentes en las que interviene lenguaje escrito. Estas características le ayudan a averiguar qué piensa la gente de su marca o tema mediante la minería de texto para obtener pistas sobre opiniones positivas o negativas, y pueden asociarlas a aspectos específicos del texto.

Tanto el análisis de sentimiento como el trabajo de minería de opiniones con una variedad de lenguajes escritos.

análisis de opiniones

La característica de análisis de sentimiento proporciona etiquetas de opinión (como "negative", "neutral" y "positive") basadas en la mayor puntuación de confianza que ha encontrado el servicio tanto en el nivel de oración como en el de documento. Esta característica también devuelve puntuaciones de confianza entre 0 y 1 para todos los documentos y que contiene, con el fin de indicar una opinión positiva, neutra y negativa.

Minería de opiniones

La minería de opiniones es una característica de análisis de sentimiento. Esta característica, también conocida como Análisis de sentimiento basada en aspectos en el procesamiento de lenguaje natural (NLP), proporciona información más detallada sobre las opiniones relacionadas con palabras (como los atributos de los productos o servicios) en el texto.

Modelo precompilado

Flujo de trabajo típico

Para usar esta característica, envíe datos para su análisis y controle la salida de la API en la aplicación. El análisis se realiza tal cual, sin ninguna personalización agregada al modelo usado en los datos.

1. Cree un recurso de Lenguaje de Azure AI que le conceda acceso a las características que ofrece Lenguaje de Azure AI. Genera una contraseña (denominada clave) y una dirección URL de punto de conexión que se usa para autenticar las solicitudes de API.

2. Utilice la API REST o la biblioteca cliente para C#, Java, JavaScript y Python para crear una solicitud. También puede enviar llamadas asincrónicas con una solicitud por lotes para combinar las solicitudes de API de varias características en una sola llamada.

3. Envíe la solicitud que contiene los datos de texto. La clave y el punto de conexión se usan para la autenticación.

4. Transmita la respuesta en secuencias o almacénela localmente.

Introducción al análisis de sentimiento

Para usar el análisis de sentimiento deberá enviar texto no estructurado sin formato para su análisis y controlar la salida de la API en la aplicación. El análisis se realiza tal cual, sin personalización adicional al modelo usado en los datos. Hay dos maneras de usar el análisis de sentimiento:

Opción de desarrollo	Descripción
Language Studio	Language Studio es una plataforma basada en la web que le permitirá probar la vinculación de entidades con ejemplos de texto sin tener cuentas de Azure y usando sus propios datos al registrarse. Para obtener más información, consulte el sitio web de Language Studio o la guía de inicio rápido de Language Studio.
API REST o biblioteca cliente (SDK de Azure)	Integre el análisis de sentimiento en las aplicaciones mediante la API de REST o la biblioteca cliente disponible en una variedad de idiomas. Para obtener más información, consulte el inicio rápido del análisis de sentimiento.
Contenedor de Docker	Use el contenedor de Docker disponible para implementar esta característica en el entorno local. Estos contenedores de Docker permiten acercar el servicio a los datos para mejorar el cumplimiento, la seguridad o por otras razones operativas.

Documentación de referencia y ejemplos de código

Al usar esta característica en las aplicaciones, consulte la siguiente documentación de referencia y ejemplos de Lenguaje de Azure AI:

Idioma u opción de desarrollo	Documentación de referencia	Ejemplos
API DE REST	Documentación de la API REST
C#	Documentación de C#	Ejemplos de C#
Java	Documentación de Java	Ejemplos de Java
JavaScript	Documentación de JavaScript	Ejemplos de JavaScript
Python	Documentación de Python	Ejemplos de Python

Modelo personalizado (versión preliminar)

El análisis de sentimiento personalizado permite a los usuarios crear modelos de IA personalizados para clasificar texto en sentimientos predefinidos por el usuario. Mediante la creación de un proyecto de análisis de sentimiento personalizado, los desarrolladores pueden etiquetar datos de forma iterativa, entrenar, evaluar y mejorar el rendimiento del modelo antes de que esté disponible para su consumo. La calidad de los datos etiquetados afecta considerablemente al rendimiento del modelo. Para simplificar la creación y personalización del modelo, el servicio ofrece un portal web personalizado al que se puede acceder a través de Language Studio. Si sigue los pasos que se indican en este inicio rápido, le resultará fácil empezar a usar el servicio.

Ciclo de vida del desarrollo de proyectos

La creación de un proyecto de análisis de sentimiento personalizado suele implicar varios pasos.

Siga estos pasos para sacar el máximo partido del modelo:

1. Definir el esquema: conozca los datos e identifique los sentimientos que desee, con el fin de evitar ambigüedades.

2. Etiquetar los datos: la calidad del etiquetado de datos es un factor clave para determinar el rendimiento del modelo. Evite ambigüedades, asegúrese de que sus sentimientos estén claramente separados entre sí.

3. Entrenar el modelo: el modelo empieza a aprender de los datos etiquetados.

4. Ver el rendimiento del modelo: vea los detalles de evaluación del modelo para determinar su rendimiento cuando se introduce en datos nuevos.

5. Implementar el modelo: la implementación de un modelo hace que esté disponible para su uso mediante Analyze API.

6. Clasificación de texto: use el modelo personalizado para las tareas de análisis de sentimiento.

Opciones de desarrollo

Opción de desarrollo	Descripción
Language Studio	Language Studio es una plataforma basada en la web que le permitirá probar la vinculación de entidades con ejemplos de texto sin tener cuentas de Azure y usando sus propios datos al registrarse.
API DE REST	Integre el análisis de sentimiento en las aplicaciones mediante programación mediante la API de REST.

Para obtener más información, consulte el inicio rápido del análisis de sentimiento.

Documentación de referencia

Mientras usa el análisis de sentimiento personalizado, consulte la siguiente documentación de referencia y ejemplos de servicio de lenguaje:

Idioma u opción de desarrollo	Documentación de referencia	Ejemplos
API de REST (creación)	Documentación de la API REST
API de REST (entorno de ejecución)	Documentación de la API REST

Inteligencia artificial responsable

Los sistemas de inteligencia artificial incluyen no solo la tecnología, sino también las personas que la usarán y las que se ven afectadas por ella, así como los entornos en los que se implementan. Lea la nota de transparencia sobre el análisis de sentimiento para obtener información sobre el uso responsable de la inteligencia artificial y la implementación en los sistemas. También puede ver los siguientes artículos para obtener más información:

Pasos siguientes

• En los artículos de inicio rápido encontrará instrucciones sobre el uso del servicio por primera vez.
  • Uso del modelo precompilado
  • Creación de un modelo personalizado