Poznawanie analizy opinii
Analiza tonacji jest kluczową techniką przetwarzania języka naturalnego (NLP), która pozwala nam rozpoznać emocjonalny ton lub tonację wyrażoną w danych tekstowych. Korzystając z uczenia maszynowego i naturalnego nlp, analiza tonacji ma na celu określenie, czy opinie, opinie, oceny, postawy i emocje wyrażone w tekście przekazują pozytywne, negatywne lub neutralne nastroje. Te możliwości umożliwiają aplikacjom zrozumienie tonacji użytkowników, monitorowanie percepcji marki i podejmowanie świadomych decyzji na podstawie zawartości tekstowej.
Aplikacje internetowe i mobilne dla Margie's Travel umożliwiają najemcom przesyłanie recenzji szczegółowo opisujących ich doświadczenia pobytu w nieruchomościach wymienionych w aplikacjach. Tekst tych recenzji zawiera cenne informacje o tym, jak klient czuł się na temat nieruchomości, jego hosta i ich pobytu. Zrozumienie tych tonacji może pomóc Margie's Travel lepiej służyć swoim klientom i przekazywać cenne opinie właścicielom nieruchomości i menedżerom.
Analizowanie tonacji za pomocą rozszerzenia azure_ai
azure_ai Rozszerzenie usługi Azure Database for PostgreSQL — serwer elastyczny opiera się na integracji z usługą Azure AI Language w celu przeprowadzenia analizy tonacji. Możliwości analizy tonacji rozszerzenia są dostępne przy użyciu analyze_sentiment() funkcji w schemacie azure_cognitive .
Ta metoda ma trzy przeciążenia, co umożliwia analizowanie tonacji jednego rekordu jednocześnie lub wielu rekordów przez przekazanie tablicy wartości do oceny. Przy użyciu parametru language można również wskazać, w których z 94 obsługiwanych języków jest zapisywany tekst wejściowy.
Dane wyjściowe analyze_sentiment() funkcji są typem sentiment_analysis_result złożonym. Struktura typu to:
Column | Type
----------------+------------------
sentiment | text
positive_score | double precision
neutral_score | double precision
negative_score | double precision
Typ złożony zawiera przewidywania tonacji tekstu wejściowego. Obejmuje to tonację, która może być pozytywna, negatywna, neutralna lub mieszana, oraz wyniki dla pozytywnych, neutralnych i negatywnych aspektów znalezionych w tekście. Wyniki są reprezentowane jako liczby rzeczywiste z zakresu od 0 do 1. Na przykład w (neutralna, 0,26, 0,64, 0,09) tonacja jest neutralna, z dodatnim wynikiem 0,26, neutralnym od 0,64 i ujemnym na poziomie 0,09.
Funkcja przypisuje etykiety tonacji (pozytywne, negatywne lub neutralne) do pojedynczych zdań lub całych dokumentów. Etykiety te wskazują emocjonalny ton wyrażony w tekście. Zwraca ona wyniki ufności wraz z etykietami tonacji, reprezentując zaufanie modelu do prognoz.
Zalety analizy tonacji
- Omówienie opinii klientów: analizowanie przeglądów, postów w mediach społecznościowych, ankiet itp.
- Monitorowanie reputacji marki: śledzenie trendów tonacji w czasie.
- Personalizowanie środowisk użytkownika: dostosowywanie zawartości na podstawie tonacji użytkownika.