Analisar sentimento

Concluído

A análise de sentimento é usada para avaliar o quão positivo ou negativo é um documento de texto, o que pode ser útil em várias cargas de trabalho, como:

• Avaliando um filme, um livro ou um produto quantificando o sentimento com base nas críticas.
• Priorizando as respostas de atendimento ao cliente à correspondência recebida por email ou mensagens de mídia social.

Ao usar a Linguagem de IA do Azure para avaliar o sentimento, a resposta inclui sentimento geral de documento e sentimento de frase individual para cada documento enviado ao serviço.

Por exemplo, você pode enviar um único documento para análise de sentimento como esta:

{
  "kind": "SentimentAnalysis",
  "parameters": {
    "modelVersion": "latest"
  },
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "en",
        "text": "Good morning!"
      }
    ]
  }
}

A resposta do serviço pode ter esta aparência:

{
  "kind": "SentimentAnalysisResults",
  "results": {
    "documents": [
      {
        "id": "1",
        "sentiment": "positive",
        "confidenceScores": {
          "positive": 0.89,
          "neutral": 0.1,
          "negative": 0.01
        },
        "sentences": [
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 0.89,
              "neutral": 0.1,
              "negative": 0.01
            },
            "offset": 0,
            "length": 13,
            "text": "Good morning!"
          }
        ],
        "warnings": []
      }
    ],
    "errors": [],
    "modelVersion": "2022-11-01"
  }
}

O sentimento da sentença baseia-se em pontuações de confiança para classificação positiva, negativae neutra, com valores entre 0 e 1.

O sentimento geral do documento é baseado em frases:

• Se todas as frases forem neutras, o sentimento geral será neutro.
• Se as classificações de frases incluirem apenas positivo e neutro, o sentimento geral será positivo.
• Se as classificações de frase incluirem apenas negativo e neutro, o sentimento geral será negativo.
• Se as classificações de frases incluirem positivo e negativo, o sentimento geral será misto.