O que é análise de sentimento e mineração de opinião?

Análise de sentimento e mineração de opinião são recursos oferecidos pelo serviço Language, uma coleção de algoritmos de aprendizado de máquina e IA na nuvem para desenvolver aplicativos inteligentes que envolvem linguagem escrita. Esses recursos ajudam você a descobrir o que as pessoas pensam da sua marca ou tópico, minerando texto em busca de pistas sobre sentimentos positivos ou negativos, e podem associá-los a aspetos específicos do texto.

Tanto a análise de sentimento quanto a mineração de opinião trabalham com uma variedade de linguagens escritas.

Análise de sentimentos

O recurso de análise de sentimento fornece rótulos de sentimento (como "negativo", "neutro" e "positivo") com base na pontuação de confiança mais alta encontrada pelo serviço em nível de frase e documento. Esse recurso também retorna pontuações de confiança entre 0 e 1 para cada documento e frases dentro dele para sentimentos positivos, neutros e negativos.

Mineração de opinião

A mineração de opinião é uma característica da análise de sentimento. Também conhecida como análise de sentimento baseada em aspetos no Processamento de Linguagem Natural (NLP), esse recurso fornece informações mais granulares sobre as opiniões relacionadas às palavras (como os atributos de produtos ou serviços) no texto.

Modelo pré-construído

Fluxo de trabalho típico

Para usar esse recurso, envie dados para análise e manipule a saída da API em seu aplicativo. A análise é realizada no estado em que se encontra, sem personalização adicional ao modelo usado em seus dados.

1. Crie um recurso de Linguagem de IA do Azure, que concede acesso aos recursos oferecidos pela Linguagem de IA do Azure. Ele gera uma senha (chamada de chave) e uma URL de ponto de extremidade que você usa para autenticar solicitações de API.

2. Crie uma solicitação usando a API REST ou a biblioteca de cliente para C#, Java, JavaScript e Python. Você também pode enviar chamadas assíncronas com uma solicitação em lote para combinar solicitações de API para vários recursos em uma única chamada.

3. Envie o pedido contendo os seus dados de texto. Sua chave e ponto de extremidade são usados para autenticação.

4. Transmita a resposta em fluxo ou armazene-a localmente.

Introdução à análise de sentimento

Para usar a análise de sentimento, envie texto bruto não estruturado para análise e manipule a saída da API em seu aplicativo. A análise é realizada no estado em que se encontra, sem personalização adicional ao modelo usado em seus dados. Há duas maneiras de usar a análise de sentimento:

Opção de desenvolvimento	Description
Estúdio de linguagem	O Language Studio é uma plataforma baseada na Web que permite que você tente vincular entidades com exemplos de texto sem uma conta do Azure e seus próprios dados quando você se inscreve. Para obter mais informações, consulte o site do Language Studio ou o início rápido do language studio.
API REST ou biblioteca de cliente (SDK do Azure)	Integre a análise de sentimento em seus aplicativos usando a API REST ou a biblioteca de cliente disponível em vários idiomas. Para obter mais informações, consulte o guia de início rápido da análise de sentimento.
Contêiner do Docker	Use o contêiner do Docker disponível para implantar esse recurso localmente. Esses contêineres docker permitem que você aproxime o serviço de seus dados por motivos de conformidade, segurança ou outros motivos operacionais.

Documentação de referência e exemplos de código

À medida que você usa esse recurso em seus aplicativos, consulte a seguinte documentação de referência e exemplos para o Azure AI Language:

Opção de desenvolvimento / linguagem	Documentação de referência	Exemplos
API REST	Documentação da API REST
C#	Documentação em C#	Exemplos de C#
Java	Documentação Java	Amostras Java
JavaScript	Documentação do JavaScript	Exemplos de JavaScript
Python	Documentação Python	Amostras de Python

Modelo personalizado (visualização)

A análise de sentimento personalizada permite que os usuários criem modelos de IA personalizados para classificar o texto em sentimentos pré-definidos pelo usuário. Ao criar um projeto de análise de sentimento personalizado, os desenvolvedores podem rotular dados iterativamente, treinar, avaliar e melhorar o desempenho do modelo antes de disponibilizá-lo para consumo. A qualidade dos dados rotulados afeta muito o desempenho do modelo. Para simplificar a construção e personalização do seu modelo, o serviço oferece um portal web personalizado que pode ser acessado através do estúdio de idiomas. Você pode facilmente começar com o serviço seguindo as etapas neste início rápido.

Ciclo de vida de desenvolvimento do projeto

A criação de um projeto de análise de sentimento personalizado normalmente envolve várias etapas diferentes.

Siga estes passos para tirar o máximo partido do seu modelo:

1. Defina o seu esquema: conheça os seus dados e identifique os sentimentos que deseja, para evitar ambiguidades.

2. Rotule seus dados: a qualidade da rotulagem de dados é um fator-chave para determinar o desempenho do modelo. Evite ambiguidades, certifique-se de que os seus sentimentos são claramente separáveis uns dos outros.

3. Treinar o modelo: seu modelo começa a aprender com seus dados rotulados.

4. Visualize o desempenho do modelo: visualize os detalhes da avaliação do seu modelo para determinar o seu desempenho quando introduzido a novos dados.

5. Implantar o modelo: a implantação de um modelo o torna disponível para uso por meio da API de análise.

6. Classificar texto: use seu modelo personalizado para tarefas de análise de sentimento.

Opções de desenvolvimento

Opção de desenvolvimento	Description
Estúdio de linguagem	O Language Studio é uma plataforma baseada na Web que permite que você tente vincular entidades com exemplos de texto sem uma conta do Azure e seus próprios dados quando você se inscreve.
API REST	Integre a análise de sentimento em seus aplicativos programaticamente usando a API REST.

Para obter mais informações, consulte Guia de início rápido de análise de sentimento.

Documentação de referência

Ao usar a análise de sentimento personalizada, consulte a seguinte documentação de referência e exemplos para o serviço de idiomas:

Opção de desenvolvimento / linguagem	Documentação de referência	Exemplos
APIs REST (criação)	Documentação da API REST
APIs REST (tempo de execução)	Documentação da API REST

IA responsável

Um sistema de IA inclui não apenas a tecnologia, mas também as pessoas que a usam, as pessoas que serão afetadas por ela e o ambiente em que é implantado. Leia a nota de transparência para análise de sentimento para saber mais sobre o uso e a implantação responsáveis da IA em seus sistemas. Você também pode ver os seguintes artigos para obter mais informações:

Próximos passos

• Os artigos de início rápido com instruções sobre como usar o serviço pela primeira vez.
  • Use o modelo pré-construído
  • Criar um modelo personalizado