Wprowadzenie

3 min

W przetwarzaniu języka naturalnego (NLP) analiza tonacji i wyszukiwanie opinii są kluczowe w wyodrębnianiu cennych szczegółowych informacji z danych tekstowych. Edukacja tych pojęć, ich różnice i korzyści są niezbędne do tworzenia inteligentnych aplikacji, które przetwarzają napisany język i zapewniają wgląd w to, jak klienci naprawdę czują się na temat marki, produktu lub tematu. Analiza tonacji zapewnia wgląd w trendy rynkowe, wydajność konkurencji i preferencje konsumentów. Zrozumienie tonacji pomaga firmom odpowiednio dostosować swoje strategie.

Scenariusz: analizowanie tonacji przeglądów właściwości użytkownika

Jesteś deweloperem dla Margie's Travel, firmy, której internetowe i mobilne aplikacje łączą podróżnych poszukujących zakwaterowania z właścicielami domów i menedżerów nieruchomości chętnych do wynajęcia swoich nieruchomości. Usługa Azure Database for PostgreSQL — elastyczna baza danych serwera zwraca te aplikacje. Jedna z funkcji aplikacji umożliwia najemcom przesyłanie przeglądów nieruchomości, które wynajęli. Te recenzje umożliwiają innym klientom określenie jakości zakwaterowania i pomocność gospodarzy. Poproszono Cię o użycie usług Azure AI Services i azure_ai rozszerzenia w celu przeanalizowania tonacji przeglądów, dzięki czemu etykiety opisowe mogą być stosowane jako filtry w aplikacjach.

Analiza tonacji: zrozumienie dużego obrazu

Analiza tonacji przypomina posiadanie emocjonalnego radaru tekstu. Pomaga ocenić uczucia lub ton emocjonalny wyrażony w pisanej treści. Niezależnie od tego, czy jest to przegląd produktu, wpis w mediach społecznościowych, czy opinie klientów, analiza tonacji pokazuje, czy tonacja jest pozytywna, negatywna, czy neutralna. Ta funkcja zapewnia wgląd w sposób, w jaki użytkownicy postrzegają twoją markę, produkt lub usługę.

Górnictwo opinii: Wykraczanie poza sentyment

Analiza opinii (znana również jako analiza tonacji opartej na aspektach) wymaga analizy tonacji na następnym poziomie. To jak rozsyłanie opinii pod mikroskopem. Zamiast ogólnej sentymentu, górnictwo opinii powiększa się na konkretne aspekty tekstu. Na przykład można powiedzieć, czy użytkownicy kochają przestronne pokoje, ale znaleźć otoczenie hałaśliwe. Ta funkcja zapewnia dokładniejsze zrozumienie bardziej zniuansowanych tonacji związanych z różnymi atrybutami i jest idealnym rozwiązaniem do przeprowadzania szczegółowej analizy.

Analizowanie tonacji za pomocą usług Azure AI Services

Usługa azure AI Language Service, część usług Azure AI Services, umożliwia analizowanie tonacji i analizowanie opinii na podstawie danych tekstowych. Włączenie możliwości analizy tonacji do aplikacji można bezproblemowo osiągnąć przy użyciu azure_ai rozszerzenia dla serwera elastycznego usługi Azure Database for PostgreSQL.

Cele szkolenia

W module przedstawiono możliwości analizy tonacji i wyszukiwania opinii w usłudze Azure AI Language oraz sposób azure_ai użycia rozszerzenia do integracji analizy tonacji bezpośrednio z bazami danych PostgreSQL. W tym module wykonano następujące czynności:

Poznaj podstawy analizy tonacji i sposobu jej zastosowania w celu uzyskania wglądu w tonacje i emocje użytkowników.
Opis technik wyszukiwania opinii w celu zidentyfikowania tonacji związanych z określonymi atrybutami.
Zastosuj analizę tonacji do przeglądów użytkowników w bazie danych PostgreSQL przy użyciu azure_ai rozszerzenia .