介绍

3 分钟

在自然语言处理 (NLP) 中，情绪分析和观点挖掘对于从文本数据中提取有价值的见解至关重要。要构建能够处理书面语言，并提供见解来发现客户对品牌、产品或主题的真正看法的智能应用程序，学习这些概念、它们之间的区别及其优势至关重要。情绪分析提供对市场趋势、竞争对手表现和消费者偏好的见解。了解情绪有助于企业相应地调整其策略。

场景：分析用户房屋评论的情绪

你是 Margie's Travel 的首席 AI 开发人员，该公司的网络和移动应用将寻找住宿的旅行者与愿意出租其房屋的房主和物业经理联系起来。 Azure Database for PostgreSQL 灵活服务器为这些应用提供支持。应用的其中一项功能是让租房者能够提交对所租房屋的评论。这些评论让其他客户能够确定住宿的质量和房主是否乐于助人。系统会要求你使用 Azure AI 服务和 azure_ai 扩展来分析评论的情绪，这样描述性标签就可用作应用内的筛选器。

情绪分析：了解整体情况

情绪分析就像对文本有一个情感雷达。它可以帮助你判断书面内容中表达的感受或情绪基调。无论是产品评论、社交媒体帖子还是客户反馈，情绪分析都能揭示情绪是正面的、负面的还是中立的。此功能提供有关用户如何看待你的品牌、产品或服务的见解。

观点挖掘：不止步于情绪

观点挖掘也称为基于方面的情绪分析，它将情绪分析提升到一个新的水平。这就像在显微镜下剖析观点一样。观点挖掘放大文本的特定方面，而不是整体情绪。例如，它可以告诉你用户是否喜欢宽敞的房间，但却发现周围环境嘈杂。此功能更深入地了解与不同特性相关的更细微的情绪，非常适合进行细粒度分析。

使用 Azure AI 服务分析情绪

Azure AI 语言服务是 Azure AI 服务的一部分，可用于分析文本数据中的情绪和挖掘观点。可以使用 Azure Database for PostgreSQL 灵活服务器的 azure_ai 扩展无缝地将情绪分析功能整合到应用程序中。

学习目标

该模块探讨 Azure AI 语言服务的情绪分析和观点挖掘功能，并介绍如何使用 azure_ai 扩展将情绪分析直接集成到 PostgreSQL 数据库中。本模块将介绍以下内容：

探索情绪分析的基础知识，并介绍如何应用它来深入了解用户情绪和情感。
介绍观点挖掘技术，这些技术可以用来识别与特定属性相关的情绪。
使用 azure_ai 扩展将情绪分析应用于 PostgreSQL 数据库中的用户评论。