O que é análise de sentimento e mineração de opinião?

Fluxo de trabalho típico

Para usar esse recurso, envie dados para análise e manipule a saída da API em seu aplicativo. A análise é realizada no estado em que se encontra, sem personalização adicional ao modelo usado em seus dados.

1. Crie um recurso de Linguagem de IA do Azure, que concede acesso aos recursos oferecidos pela Linguagem de IA do Azure. Ele gera uma senha (chamada de chave) e uma URL de ponto de extremidade que você usa para autenticar solicitações de API.

2. Crie uma solicitação usando a API REST ou a biblioteca de cliente para C#, Java, JavaScript e Python. Você também pode enviar chamadas assíncronas com uma solicitação em lote para combinar solicitações de API para vários recursos em uma única chamada.

3. Envie o pedido contendo os seus dados de texto. Sua chave e ponto de extremidade são usados para autenticação.

4. Transmita a resposta em fluxo ou armazene-a localmente.

Introdução à análise de sentimento

Para usar a análise de sentimento, envie texto bruto não estruturado para análise e manipule a saída da API em seu aplicativo. A análise é realizada no estado em que se encontra, sem personalização adicional ao modelo usado em seus dados. Há duas maneiras de usar a análise de sentimento:

Documentação de referência e exemplos de código

À medida que você usa esse recurso em seus aplicativos, consulte a seguinte documentação de referência e exemplos para o Azure AI Language:

A análise de sentimento personalizada permite que os usuários criem modelos de IA personalizados para classificar o texto em sentimentos pré-definidos pelo usuário. Ao criar um projeto de análise de sentimento personalizado, os desenvolvedores podem rotular dados iterativamente, treinar, avaliar e melhorar o desempenho do modelo antes de disponibilizá-lo para consumo. A qualidade dos dados rotulados afeta muito o desempenho do modelo. Para simplificar a construção e personalização do seu modelo, o serviço oferece um portal web personalizado que pode ser acessado através do estúdio de idiomas. Você pode facilmente começar com o serviço seguindo as etapas neste início rápido.

Ciclo de vida de desenvolvimento do projeto

A criação de um projeto de análise de sentimento personalizado normalmente envolve várias etapas diferentes.

Siga estes passos para tirar o máximo partido do seu modelo:

1. Defina o seu esquema: conheça os seus dados e identifique os sentimentos que deseja, para evitar ambiguidades.

2. Rotule seus dados: a qualidade da rotulagem de dados é um fator-chave para determinar o desempenho do modelo. Evite ambiguidades, certifique-se de que os seus sentimentos são claramente separáveis uns dos outros.

3. Treinar o modelo: seu modelo começa a aprender com seus dados rotulados.

4. Visualize o desempenho do modelo: visualize os detalhes da avaliação do seu modelo para determinar o seu desempenho quando introduzido a novos dados.

5. Implantar o modelo: a implantação de um modelo o torna disponível para uso por meio da API de análise.

6. Classificar texto: use seu modelo personalizado para tarefas de análise de sentimento.

Opções de desenvolvimento

Para obter mais informações, consulte Guia de início rápido de análise de sentimento.

Documentação de referência

Ao usar a análise de sentimento personalizada, consulte a seguinte documentação de referência e exemplos para o serviço de idiomas: