情绪分析和观点挖掘是语言服务提供的功能之一,它是云中机器学习和 AI 算法的集合,可用于开发涉及书面语言的智能应用程序。 这些功能帮助您通过分析文本来了解人们对品牌或主题的看法,识别正面或负面情绪的迹象。 它们还可以将这些情绪链接到文本的特定方面。
情绪分析和观点挖掘都适用于各种书面语言。
情绪分析
情绪分析功能分配情绪标签,例如“负”、“中性”和“积极”。该服务使用最高置信度分数确定这些标签。 情感在句子级别和文档级别上进行评估。 此功能还会为每个文档和文档中的句子返回介于 0 和 1 之间的置信度分数以表示积极、中立和消极情绪。
观点挖掘
观点挖掘是一项情绪分析功能,在自然语言处理 (NLP) 中也称为基于方面的情绪分析。 此功能提供与文本中字词(如产品或服务的属性)相关的观点的更细致信息。
典型工作流
若要使用此功能,需要提交数据进行分析并处理应用程序中的 API 输出。 分析按原样执行,不会对数据所用的模型进行额外的自定义。
创建 Azure AI 语言资源,它会授权你访问 Azure AI 语言提供的功能。 它会生成一个密码(称为密钥)和一个终结点 URL,你将使用它们来对 API 请求进行身份验证。
使用 REST API 或 C#、Java、JavaScript 和 Python 的客户端库创建请求。 还可以使用批处理请求发送异步调用,以将多个功能的 API 请求合并到一个调用中。
发送包含您的文本数据的请求。 密钥和终结点将用于进行身份验证。
在本地流式处理或存储响应。
情绪分析入门
若要使用情绪分析,需在应用程序中提交原始非结构化文本进行分析并处理 API 输出。 分析按原样执行,不会对数据所用的模型进行其他自定义。 可通过两种方式使用情绪分析:
发展选项 | DESCRIPTION |
---|---|
语言工作室 | Language Studio 是一个基于 Web 的平台,允许你在注册后使用文本示例和你自己的数据进行实体链接。 有关详细信息,请参阅 Language Studio 网站或 Language Studio 快速入门。 |
REST API 或客户端库 (Azure SDK) | 使用 REST API 或以各种语言提供的客户端库将情绪分析集成到应用程序中。 有关详细信息,请参阅情绪分析快速入门。 |
Docker 容器 | 使用可用的 Docker 容器在本地部署此功能。 借助这些 Docker 容器,你能够将服务进一步引入数据,以满足合规性、安全性或其他操作目的。 |
参考文档和代码示例
在应用程序中使用此功能时,请参阅 Azure AI 语言的以下参考文档和示例:
开发选项/语言 | 参考文档 | 示例 |
---|---|---|
REST API | REST API 文档 | |
C# | C# 文档 | C# 示例 |
Java | Java 文档 | Java 示例 |
JavaScript | JavaScript 文档 | JavaScript 示例 |
Python | Python 文档 | Python 示例 |
参考文档
使用情绪分析时,请参阅下列适用于语言服务的参考文档和示例:
开发选项/语言 | 参考文档 | 示例 |
---|---|---|
REST API(创作) | REST API 文档 | |
REST API(运行时) | REST API 文档 |
负责任的人工智能
AI 系统不仅包含技术本身。 AI 系统包括操作系统的个人、体验其影响的人员,以及系统运作的更广泛环境,这些都发挥作用。 阅读情绪分析的透明度说明,了解如何在系统中负责任地使用和部署 AI。
后续步骤
快速入门指南,其中包含有关首次使用服务的说明: 使用情绪分析和观点挖掘