教程：使用 Foundry 工具进行情绪分析

本教程介绍如何使用 Foundry Tools 在 Azure Synapse Analytics 中丰富数据。 你将使用 Foundry Tools 中的 Azure 语言 的 text analytics 功能来执行情绪分析。

Azure Synapse中的用户可以选择包含文本列的表来扩充情绪。 这些情绪可以是积极、消极、混杂或中立的。 系统还将返回概率。

本教程涉及：

如果没有Azure订阅，开始前创建试用帐户。

先决条件

• Azure Synapse Analytics 工作区，配置为默认存储的一个 Azure Data Lake Storage Gen2 存储帐户。 你需要成为你所使用的 Data Lake Storage Gen2 文件系统的 Storage Blob 数据参与者。
• Azure Synapse Analytics 工作区中的 Spark 池。 有关详细信息，请参阅 在 Azure Synapse。
• 本教程中所述的预配置步骤：在 Azure Synapse 中配置 Foundry 工具。

登录到Azure portal

登录到 Azure portal。

创建 Spark 表

本教程需要一个 Spark 表。

1. 下载包含text analytics数据集的 FabrikamComments.csv 文件。

2. 在 Synapse Analytics 中，打开Data 和 Linked 下的存储帐户。

3. 将文件上传到Data Lake Storage Gen2中的Azure Synapse storage帐户。

   

4. 通过右键单击文件并选择“新建笔记本”“创建 Spark 表”，从 .csv 文件创建 Spark 表>。

   

5. 设置 header=True 并命名代码单元格中的表。 然后在 Spark 池上运行笔记本。

   

   %%pyspark
   df = spark.read.load('abfss://default@azuresynapsesa.dfs.core.chinacloudapi.cn/data/FabrikamComments.csv', format='csv'
   ## If a header exists, uncomment the line below
   , header=True
   )
   df.write.mode("overwrite").saveAsTable("default.YourTableName")
   

打开 Foundry 工具向导

1. 在数据页的“工作区”选项卡中，在默认湖表下，右键单击在上一步骤中创建的 Spark 表。

2. 选择Machine Learning>使用模型进行预测以打开向导。

   

3. 此时会显示配置面板，你需要选择一个预训练模型。 选择“情绪分析”。

   

配置情绪分析

接下来，配置情绪分析。 请选择以下详细信息：

• Azure认知服务关联服务：作为先决条件步骤的一部分，你已将关联服务创建到 Foundry Tool。 请在这里选择该服务。
• 语言：选择“英语”作为要对其进行情绪分析的文本的语言。
• 文本列：选择“注释(字符串)”作为数据集中你要对其进行分析以确定情绪的文本列。

完成后，选择“打开笔记本”。 这将使用 PySpark 代码生成笔记本，该代码使用 Foundry 工具执行情绪分析。

运行笔记本

刚刚打开的笔记本使用 SynapseML 库连接到 Foundry Tools。 你提供的 Foundry Tools 链接服务允许你在此使用环境中安全地引用 Foundry Tools，而无需透露任何机密信息。

现在，可以运行所有单元，以使用情绪扩充数据。 选择“全部运行”。

情绪返回结果为“积极”、“消极”、“中立”或“混杂” 。 你还将获得每种情绪的概率。 详细了解 Foundry Tools 中的情绪分析。

相关内容

• 教程：使用 Foundry 工具进行异常情况检测
• Tutorial：Azure Synapse 专用 SQL 池中机器学习模型评分
• Azure Synapse Analytics 中的 Machine Learning 功能