Введение

3 мин

В обработке естественного языка (NLP) анализ тональности и интеллектуальный анализ мнений являются ключевыми при извлечении ценных аналитических сведений из текстовых данных. Обучение эти понятия, их различия и их преимущества важны для создания интеллектуальных приложений, которые обрабатывают письменный язык и предоставляют аналитические сведения о том, как клиенты действительно чувствуют себя о бренде, продукте или теме. Анализ тональности предоставляет аналитические сведения о тенденциях рынка, производительности конкурентов и предпочтениях потребителей. Понимание тональности помогает компаниям соответствующим образом адаптировать свои стратегии.

Сценарий. Анализ тональности проверок свойств пользователя

Вы разработчик для Margie's Travel, компания, чьи веб-приложения и мобильные приложения подключают путешественников, ищет жилье с домовладельцами и менеджерами недвижимости, готовыми арендовать свои свойства. База данных Azure для PostgreSQL гибкая база данных сервера поддерживает эти приложения. Одна из функций приложения позволяет арендаторам отправлять отзывы о свойствах, которые они арендовали. Эти отзывы позволяют другим клиентам определить качество жилья и полезность узлов. Вам предлагается использовать службы искусственного интеллекта Azure и azure_ai расширение для анализа тональности отзывов, чтобы описательные метки можно применять в качестве фильтров в приложениях.

Анализ тональности: понимание большой картины

Анализ тональности похож на эмоциональный радар для текста. Это помогает оценить чувства или эмоциональный тон, выраженный в письменном контенте. Независимо от того, является ли это обзор продукта, публикация социальных сетей или отзывы клиентов, анализ тональности показывает, является ли тональность положительной, отрицательной или нейтральной. Эта возможность предоставляет аналитические сведения о том, как пользователи воспринимают свой бренд, продукт или службу.

Интеллектуальный анализ мнений: выход за рамки тональности

Интеллектуальный анализ мнений (также известный как анализ тональности на основе аспектов) принимает анализ тональности на следующий уровень. Это похоже на расчленение мнений под микро область. Вместо общей тональности интеллектуальный анализ мнений увеличивается на конкретные аспекты текста. Например, он может сказать вам, если пользователи любят просторные комнаты, но найти окружающие шумные. Эта возможность обеспечивает более глубокое понимание более тонких тональности, связанных с различными атрибутами, и идеально подходит для проведения точного анализа.

Анализ тональности с помощью служб искусственного интеллекта Azure

Служба языка ИИ Azure, часть Служб ИИ Azure, позволяет анализировать тональность и мои мнения из текстовых данных. Включение возможностей анализа тональности в приложения можно легко реализовать с помощью azure_ai расширения для База данных Azure для PostgreSQL гибкого сервера.

Цели обучения

Модуль изучает возможности анализа тональности и интеллектуального анализа мнений службы языка ИИ Azure и способ azure_ai использования расширения для интеграции анализа тональности непосредственно в базы данных PostgreSQL. В этом модуле вы:

Изучите основы анализа тональности и как его можно применить для получения аналитических сведений о тональности пользователей и эмоциях.
Описание методов интеллектуального анализа мнений для определения тональности, связанных с конкретными атрибутами.
Примените анализ тональности к отзывам пользователей в базе данных PostgreSQL с помощью azure_ai расширения.