Изучение анализа тональности
Анализ тональности является важным методом обработки естественного языка (NLP), который позволяет нам различать эмоциональный тон или настроения, выраженные в текстовых данных. Использование машинного обучения и естественного NLP, анализ тональности направлен на определение того, какие мнения, тональность, оценки, отношение и эмоции, выраженные в тексте, передают положительные, отрицательные или нейтральные тональности. Эти возможности позволяют приложениям понимать тональность пользователей, отслеживать восприятие фирменной символики и принимать обоснованные решения на основе текстового содержимого.
Веб-приложения и мобильные приложения для Margie's Travel позволяют арендаторам отправлять отзывы, подробные сведения о своем опыте пребывания на свойствах, перечисленных в приложениях. Текст этих отзывов содержит ценные сведения о том, как клиент чувствовал себя о свойстве, его хозяине и их пребывании. Понимание этих тональности может помочь Margie's Travel лучше обслуживать своих клиентов и предоставлять ценные отзывы владельцам собственности и менеджерам.
Анализ тональности с помощью расширения azure_ai
Расширение azure_ai для База данных Azure для PostgreSQL — гибкий сервер зависит от интеграции со службой языка искусственного интеллекта Azure для анализа тональности. Возможности анализа тональности расширения доступны с помощью analyze_sentiment() функции в схеме azure_cognitive .
Этот метод имеет три перегрузки, что позволяет анализировать тональность одной записи за раз или несколько записей путем передачи массива значений для вычисления. language С помощью параметра можно также указать, на каком из 94 поддерживаемых языков записывается входной текст.
Выходные данные analyze_sentiment() функции — составной sentiment_analysis_result тип. Структура типа:
Column | Type
----------------+------------------
sentiment | text
positive_score | double precision
neutral_score | double precision
negative_score | double precision
Составной тип содержит прогнозы тональности входного текста. Он включает тональность, которая может быть положительной, отрицательной, нейтральной или смешанной, а также оценки положительных, нейтральных и отрицательных аспектов, найденных в тексте. Оценки представлены в виде реальных чисел от 0 до 1. Например, в (нейтральный, 0,26, 0,64, 0,09), тональность нейтральна, с положительной оценкой 0,26, нейтральной от 0,64 и отрицательной на 0,09.
Функция назначает метки тональности (положительные, отрицательные или нейтральные) отдельным предложениям или целым документам. Эти метки указывают эмоциональный тон, выраженный в тексте. Он возвращает оценки достоверности вместе с метками тональности, представляющей уверенность модели в своих прогнозах.
Преимущества анализа тональности
- Общие сведения о клиентах: анализ отзывов, сообщений социальных сетей, опросов и т. д.
- Отслеживайте репутацию бренда: отслеживайте тенденции тональности с течением времени.
- Персонализация взаимодействия с пользователями: адаптация содержимого на основе тональности пользователей.