了解情绪分析
情绪分析是一种重要的自然语言处理 (NLP) 技术，可支持辨别文本数据中表达的情感基调或情绪。 使用机器学习和自然 NLP，情绪分析旨在确定文本中表达的意见、情绪、评价、态度和情感是否传达了正面、负面或中性的情绪。 这些功能可帮助应用程序了解用户情绪、监视品牌感知，并根据文本内容做出明智的决策。
使用 Margie’ Travel 的 Web 和移动应用，租客可以提交评论，详细描述他们在应用所列房产中的居住体验。 这些评论的文本包含有关客户对房产、房主及其住宿感受的宝贵信息。 了解这些情绪可以帮助 Margie's Travel 更好地为客户提供服务，并为业主和经理提供有价值的反馈。
使用 azure_ai 扩展分析情绪
Azure Database for PostgreSQL 灵活服务器的 azure_ai 扩展依赖与 Azure AI 语言服务的集成来执行情绪分析。 可以使用 azure_cognitive 架构中的 analyze_sentiment() 函数访问该扩展的情绪分析功能。
此方法具有三个重载，可支持通过传入要计算的值数组，一次分析一条记录或多个记录的情绪。 使用 language 参数，还可以指示采用 94 种支持语言中的哪一种来撰写输入文本。
analyze_sentiment() 函数的输出是 sentiment_analysis_result 复合类型。 类型的结构为：
Column | Type
----------------+------------------
sentiment | text
positive_score | double precision
neutral_score | double precision
negative_score | double precision
复合类型包含输入文本的情绪预测。 它包括情绪（可以是积极、消极、中立或混合）以及文本中发现的积极、中立和消极方面的分数。 分数表示为介于 0 和 1 之间的实数。 例如，在（中性，0.26、0.64、0.09）中，情绪是中性的，其中正面分数为 0.26，中性为 0.64，负面分数 为0.09。
该函数可将情绪标签（正面、负面或中性）分配给单个句子或整个文档。 这些标签指示了文本中表达的情感基调。 它返回置信度分数以及情绪标签，表示模型对其预测的信心。
情绪分析的优势
- 了解客户反馈：分析评论、社交媒体帖子、调查等。
- 监视品牌声誉：跟踪一段时间内的情绪趋势。
- 个性化用户体验：根据用户情绪调整内容。