Hızlı Başlangıç: Yaklaşım analizi ve fikir madenciliği

Başvuru belgeleri | Diğer örnekler | Paket (NuGet) | Kitaplık kaynak kodu

.NET için istemci kitaplığıyla bir yaklaşım analizi uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, bir metin örneğinde ifade edilen yaklaşımları belirleyebilen ve en boy tabanlı yaklaşım analizi gerçekleştirebilen bir C# uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Visual Studio IDE

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Yeni .NET Core uygulaması oluşturma

Visual Studio IDE’yi kullanarak yeni bir .NET Core konsol uygulaması oluşturun. Bu, tek bir C# kaynak dosyasıyla bir "Merhaba Dünya" projesi oluşturur: program.cs.

Çözüm Gezgini’nde çözüme sağ tıklayarak ve NuGet paketlerini yönet seçeneğini belirleyerek istemci kitaplığını yükleyin. Açılan paket yöneticisinde Gözat'ı seçin ve öğesini arayınAzure.AI.TextAnalytics. Sürüm olarak 5.2.0 seçin ve Yükle seçeneğini belirleyin. Paket Yöneticisi Konsolu’nu da kullanabilirsiniz.

Kod örneği

Aşağıdaki kodu program.cs dosyanıza kopyalayın ve kodu çalıştırın.

using Azure;
using System;
using Azure.AI.TextAnalytics;
using System.Collections.Generic;

namespace Example
{
    class Program
    {
        // This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
        static string languageKey = Environment.GetEnvironmentVariable("LANGUAGE_KEY");
        static string languageEndpoint = Environment.GetEnvironmentVariable("LANGUAGE_ENDPOINT");

        private static readonly AzureKeyCredential credentials = new AzureKeyCredential(languageKey);
        private static readonly Uri endpoint = new Uri(languageEndpoint);

        // Example method for detecting opinions text. 
        static void SentimentAnalysisWithOpinionMiningExample(TextAnalyticsClient client)
        {
            var documents = new List<string>
            {
                "The food and service were unacceptable. The concierge was nice, however."
            };

            AnalyzeSentimentResultCollection reviews = client.AnalyzeSentimentBatch(documents, options: new AnalyzeSentimentOptions()
            {
                IncludeOpinionMining = true
            });

            foreach (AnalyzeSentimentResult review in reviews)
            {
                Console.WriteLine($"Document sentiment: {review.DocumentSentiment.Sentiment}\n");
                Console.WriteLine($"\tPositive score: {review.DocumentSentiment.ConfidenceScores.Positive:0.00}");
                Console.WriteLine($"\tNegative score: {review.DocumentSentiment.ConfidenceScores.Negative:0.00}");
                Console.WriteLine($"\tNeutral score: {review.DocumentSentiment.ConfidenceScores.Neutral:0.00}\n");
                foreach (SentenceSentiment sentence in review.DocumentSentiment.Sentences)
                {
                    Console.WriteLine($"\tText: \"{sentence.Text}\"");
                    Console.WriteLine($"\tSentence sentiment: {sentence.Sentiment}");
                    Console.WriteLine($"\tSentence positive score: {sentence.ConfidenceScores.Positive:0.00}");
                    Console.WriteLine($"\tSentence negative score: {sentence.ConfidenceScores.Negative:0.00}");
                    Console.WriteLine($"\tSentence neutral score: {sentence.ConfidenceScores.Neutral:0.00}\n");

                    foreach (SentenceOpinion sentenceOpinion in sentence.Opinions)
                    {
                        Console.WriteLine($"\tTarget: {sentenceOpinion.Target.Text}, Value: {sentenceOpinion.Target.Sentiment}");
                        Console.WriteLine($"\tTarget positive score: {sentenceOpinion.Target.ConfidenceScores.Positive:0.00}");
                        Console.WriteLine($"\tTarget negative score: {sentenceOpinion.Target.ConfidenceScores.Negative:0.00}");
                        foreach (AssessmentSentiment assessment in sentenceOpinion.Assessments)
                        {
                            Console.WriteLine($"\t\tRelated Assessment: {assessment.Text}, Value: {assessment.Sentiment}");
                            Console.WriteLine($"\t\tRelated Assessment positive score: {assessment.ConfidenceScores.Positive:0.00}");
                            Console.WriteLine($"\t\tRelated Assessment negative score: {assessment.ConfidenceScores.Negative:0.00}");
                        }
                    }
                }
                Console.WriteLine($"\n");
            }
        }

        static void Main(string[] args)
        {
            var client = new TextAnalyticsClient(endpoint, credentials);
            SentimentAnalysisWithOpinionMiningExample(client);

            Console.Write("Press any key to exit.");
            Console.ReadKey();
        }

    }
}

Çıktı

Document sentiment: Mixed

    Positive score: 0.47
    Negative score: 0.52
    Neutral score: 0.00

    Text: "The food and service were unacceptable. "
    Sentence sentiment: Negative
    Sentence positive score: 0.00
    Sentence negative score: 0.99
    Sentence neutral score: 0.00

    Target: food, Value: Negative
    Target positive score: 0.00
    Target negative score: 1.00
            Related Assessment: unacceptable, Value: Negative
            Related Assessment positive score: 0.00
            Related Assessment negative score: 1.00
    Target: service, Value: Negative
    Target positive score: 0.00
    Target negative score: 1.00
            Related Assessment: unacceptable, Value: Negative
            Related Assessment positive score: 0.00
            Related Assessment negative score: 1.00
    Text: "The concierge was nice, however."
    Sentence sentiment: Positive
    Sentence positive score: 0.94
    Sentence negative score: 0.05
    Sentence neutral score: 0.01

    Target: concierge, Value: Positive
    Target positive score: 1.00
    Target negative score: 0.00
            Related Assessment: nice, Value: Positive
            Related Assessment positive score: 1.00
            Related Assessment negative score: 0.00

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

• Azure portalı
• Azure CLI

Bu hızlı başlangıçta oluşturduğunuz ortam değişkenlerini silmek için aşağıdaki komutları kullanın.

reg delete "HKCU\Environment" /v LANGUAGE_KEY /f

reg delete "HKCU\Environment" /v LANGUAGE_ENDPOINT /f

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

Sonraki adımlar

• Yaklaşım analizi ve görüş madenciliği dil desteği
• API'yi çağırma
• Başvuru belgeleri
• Ek örnekler

Başvuru belgeleri | Ek örnekler | Paket (Maven) | Kitaplık kaynak kodu

Java için istemci kitaplığıyla bir yaklaşım analizi uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metin örneğinde ifade edilen yaklaşımları belirleyebilen ve en boy tabanlı yaklaşım analizi gerçekleştirebilen bir Java uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Java Geliştirme Seti (JDK) sürüm 8 veya üstü

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

İstemci kitaplığını ekleme

Tercih ettiğiniz IDE veya geliştirme ortamında bir Maven projesi oluşturun. Ardından aşağıdaki bağımlılığı projenizin pom.xml dosyasına ekleyin. Diğer derleme araçlarına yönelik uygulama söz dizimini çevrimiçi olarak bulabilirsiniz.

<dependencies>
     <dependency>
        <groupId>com.azure</groupId>
        <artifactId>azure-ai-textanalytics</artifactId>
        <version>5.2.0</version>
    </dependency>
</dependencies>

Kod örneği

Example.java adlı bir Java dosyası oluşturun. Dosyayı açın ve aşağıdaki kodu kopyalayın. Sonra kodu çalıştırın.

import com.azure.core.credential.AzureKeyCredential;
import com.azure.ai.textanalytics.models.*;
import com.azure.ai.textanalytics.TextAnalyticsClientBuilder;
import com.azure.ai.textanalytics.TextAnalyticsClient;

public class Example {
    
    // This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
    private static String languageKey = System.getenv("LANGUAGE_KEY");
    private static String languageEndpoint = System.getenv("LANGUAGE_ENDPOINT");

    public static void main(String[] args) {
        TextAnalyticsClient client = authenticateClient(languageKey, languageEndpoint);
        sentimentAnalysisWithOpinionMiningExample(client);
    }
    // Method to authenticate the client object with your key and endpoint.
    static TextAnalyticsClient authenticateClient(String key, String endpoint) {
        return new TextAnalyticsClientBuilder()
                .credential(new AzureKeyCredential(key))
                .endpoint(endpoint)
                .buildClient();
    }
    // Example method for detecting sentiment and opinions in text.
    static void sentimentAnalysisWithOpinionMiningExample(TextAnalyticsClient client)
    {
        // The document that needs be analyzed.
        String document = "The food and service were unacceptable. The concierge was nice, however.";

        System.out.printf("Document = %s%n", document);

        AnalyzeSentimentOptions options = new AnalyzeSentimentOptions().setIncludeOpinionMining(true);
        final DocumentSentiment documentSentiment = client.analyzeSentiment(document, "en", options);
        SentimentConfidenceScores scores = documentSentiment.getConfidenceScores();
        System.out.printf(
                "Recognized document sentiment: %s, positive score: %f, neutral score: %f, negative score: %f.%n",
                documentSentiment.getSentiment(), scores.getPositive(), scores.getNeutral(), scores.getNegative());


        documentSentiment.getSentences().forEach(sentenceSentiment -> {
            SentimentConfidenceScores sentenceScores = sentenceSentiment.getConfidenceScores();
            System.out.printf("\tSentence sentiment: %s, positive score: %f, neutral score: %f, negative score: %f.%n",
                    sentenceSentiment.getSentiment(), sentenceScores.getPositive(), sentenceScores.getNeutral(), sentenceScores.getNegative());
            sentenceSentiment.getOpinions().forEach(opinion -> {
                TargetSentiment targetSentiment = opinion.getTarget();
                System.out.printf("\t\tTarget sentiment: %s, target text: %s%n", targetSentiment.getSentiment(),
                        targetSentiment.getText());
                for (AssessmentSentiment assessmentSentiment : opinion.getAssessments()) {
                    System.out.printf("\t\t\t'%s' assessment sentiment because of \"%s\". Is the assessment negated: %s.%n",
                            assessmentSentiment.getSentiment(), assessmentSentiment.getText(), assessmentSentiment.isNegated());
                }
            });
        });
    }
}

Çıktı

Document = The food and service were unacceptable. The concierge was nice, however.
Recognized document sentiment: mixed, positive score: 0.470000, neutral score: 0.000000, negative score: 0.520000.
	Sentence sentiment: negative, positive score: 0.000000, neutral score: 0.000000, negative score: 0.990000.
		Target sentiment: negative, target text: food
			'negative' assessment sentiment because of "unacceptable". Is the assessment negated: false.
		Target sentiment: negative, target text: service
			'negative' assessment sentiment because of "unacceptable". Is the assessment negated: false.
	Sentence sentiment: positive, positive score: 0.940000, neutral score: 0.010000, negative score: 0.050000.
		Target sentiment: positive, target text: concierge
			'positive' assessment sentiment because of "nice". Is the assessment negated: false.

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

• Azure portalı
• Azure CLI

Bu hızlı başlangıçta oluşturduğunuz ortam değişkenlerini silmek için aşağıdaki komutları kullanın.

reg delete "HKCU\Environment" /v LANGUAGE_KEY /f

reg delete "HKCU\Environment" /v LANGUAGE_ENDPOINT /f

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

Sonraki adımlar

• Yaklaşım analizi ve görüş madenciliği dil desteği
• API'yi çağırma
• Başvuru belgeleri
• Ek örnekler

Başvuru belgeleri | Ek örnekler | Paket (npm) | Kitaplık kaynak kodu

Node.js için istemci kitaplığıyla bir yaklaşım analizi uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metin örneğinde ifade edilen yaklaşımları belirleyebilen ve en boy tabanlı yaklaşım analizi gerçekleştirebilen bir JavaScript uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Node.js v14 LTS veya üzeri

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Yeni bir Node.js uygulaması oluşturma

Konsol penceresinde (cmd, PowerShell veya Bash gibi), uygulamanız için yeni bir dizin oluşturun ve bu dizine gidin.

mkdir myapp 

cd myapp

Bir package.json dosyası ile bir düğüm uygulaması oluşturmak için npm init komutunu çalıştırın.

npm init

İstemci kitaplığını yükleme

npm paketlerini yükleyin:

npm install @azure/ai-language-text

Kod örneği

Dosyayı açın ve aşağıdaki kodu kopyalayın. Sonra kodu çalıştırın.

"use strict";

const { TextAnalyticsClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

// This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
const key = process.env.LANGUAGE_KEY;
const endpoint = process.env.LANGUAGE_ENDPOINT;


//an example document for sentiment analysis and opinion mining
const documents = [{
    text: "The food and service were unacceptable. The concierge was nice, however.",
    id: "0",
    language: "en"
  }];
  
async function main() {
  console.log("=== Sentiment analysis and opinion mining sample ===");

  const client = new TextAnalysisClient(endpoint, new AzureKeyCredential(key));

  const results = await client.analyze("SentimentAnalysis", documents, {
    includeOpinionMining: true,
  });

  for (let i = 0; i < results.length; i++) {
    const result = results[i];
    console.log(`- Document ${result.id}`);
    if (!result.error) {
      console.log(`\tDocument text: ${documents[i].text}`);
      console.log(`\tOverall Sentiment: ${result.sentiment}`);
      console.log("\tSentiment confidence scores:", result.confidenceScores);
      console.log("\tSentences");
      for (const { sentiment, confidenceScores, opinions } of result.sentences) {
        console.log(`\t- Sentence sentiment: ${sentiment}`);
        console.log("\t  Confidence scores:", confidenceScores);
        console.log("\t  Mined opinions");
        for (const { target, assessments } of opinions) {
          console.log(`\t\t- Target text: ${target.text}`);
          console.log(`\t\t  Target sentiment: ${target.sentiment}`);
          console.log("\t\t  Target confidence scores:", target.confidenceScores);
          console.log("\t\t  Target assessments");
          for (const { text, sentiment } of assessments) {
            console.log(`\t\t\t- Text: ${text}`);
            console.log(`\t\t\t  Sentiment: ${sentiment}`);
          }
        }
      }
    } else {
      console.error(`\tError: ${result.error}`);
    }
  }
}
  
main().catch((err) => {
  console.error("The sample encountered an error:", err);
});

Çıktı

=== Sentiment analysis and opinion mining sample ===
- Document 0
    Document text: The food and service were unacceptable. The concierge was nice, however.
    Overall Sentiment: mixed
    Sentiment confidence scores: { positive: 0.49, neutral: 0, negative: 0.5 }
    Sentences
    - Sentence sentiment: negative
      Confidence scores: { positive: 0, neutral: 0, negative: 1 }
      Mined opinions
            - Target text: food
              Target sentiment: negative
              Target confidence scores: { positive: 0.01, negative: 0.99 }
              Target assessments
                    - Text: unacceptable
                      Sentiment: negative
            - Target text: service
              Target sentiment: negative
              Target confidence scores: { positive: 0.01, negative: 0.99 }
              Target assessments
                    - Text: unacceptable
                      Sentiment: negative
    - Sentence sentiment: positive
      Confidence scores: { positive: 0.98, neutral: 0.01, negative: 0.01 }
      Mined opinions
            - Target text: concierge
              Target sentiment: positive
              Target confidence scores: { positive: 1, negative: 0 }
              Target assessments
                    - Text: nice
                      Sentiment: positive

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

• Azure portalı
• Azure CLI

Bu hızlı başlangıçta oluşturduğunuz ortam değişkenlerini silmek için aşağıdaki komutları kullanın.

reg delete "HKCU\Environment" /v LANGUAGE_KEY /f

reg delete "HKCU\Environment" /v LANGUAGE_ENDPOINT /f

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

Sonraki adımlar

• Yaklaşım analizi ve görüş madenciliği dil desteği
• API'yi çağırma
• Başvuru belgeleri
• Ek örnekler

Başvuru belgeleri | Ek örnekler | Paket (PyPi) | Kitaplık kaynak kodu

Python için istemci kitaplığıyla bir yaklaşım analizi uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metin örneğinde ifade edilen yaklaşımları belirleyebilen ve en boy tabanlı yaklaşım analizi gerçekleştirebilen bir Python uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Python 3.7 veya üzeri

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

İstemci kitaplığını yükleme

Python yükledikten sonra şunları kullanarak istemci kitaplığını yükleyebilirsiniz:

pip install azure-ai-textanalytics==5.2.0

Kod örneği

Yeni bir Python dosyası oluşturun ve aşağıdaki kodu kopyalayın. Ardından kodu çalıştırın

# This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
language_key = os.environ.get('LANGUAGE_KEY')
language_endpoint = os.environ.get('LANGUAGE_ENDPOINT')

from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential

# Authenticate the client using your key and endpoint 
def authenticate_client():
    ta_credential = AzureKeyCredential(language_key)
    text_analytics_client = TextAnalyticsClient(
            endpoint=language_endpoint, 
            credential=ta_credential)
    return text_analytics_client

client = authenticate_client()

# Example method for detecting sentiment and opinions in text 
def sentiment_analysis_with_opinion_mining_example(client):

    documents = [
        "The food and service were unacceptable. The concierge was nice, however."
    ]

    result = client.analyze_sentiment(documents, show_opinion_mining=True)
    doc_result = [doc for doc in result if not doc.is_error]

    positive_reviews = [doc for doc in doc_result if doc.sentiment == "positive"]
    negative_reviews = [doc for doc in doc_result if doc.sentiment == "negative"]

    positive_mined_opinions = []
    mixed_mined_opinions = []
    negative_mined_opinions = []

    for document in doc_result:
        print("Document Sentiment: {}".format(document.sentiment))
        print("Overall scores: positive={0:.2f}; neutral={1:.2f}; negative={2:.2f} \n".format(
            document.confidence_scores.positive,
            document.confidence_scores.neutral,
            document.confidence_scores.negative,
        ))
        for sentence in document.sentences:
            print("Sentence: {}".format(sentence.text))
            print("Sentence sentiment: {}".format(sentence.sentiment))
            print("Sentence score:\nPositive={0:.2f}\nNeutral={1:.2f}\nNegative={2:.2f}\n".format(
                sentence.confidence_scores.positive,
                sentence.confidence_scores.neutral,
                sentence.confidence_scores.negative,
            ))
            for mined_opinion in sentence.mined_opinions:
                target = mined_opinion.target
                print("......'{}' target '{}'".format(target.sentiment, target.text))
                print("......Target score:\n......Positive={0:.2f}\n......Negative={1:.2f}\n".format(
                    target.confidence_scores.positive,
                    target.confidence_scores.negative,
                ))
                for assessment in mined_opinion.assessments:
                    print("......'{}' assessment '{}'".format(assessment.sentiment, assessment.text))
                    print("......Assessment score:\n......Positive={0:.2f}\n......Negative={1:.2f}\n".format(
                        assessment.confidence_scores.positive,
                        assessment.confidence_scores.negative,
                    ))
            print("\n")
        print("\n")
          
sentiment_analysis_with_opinion_mining_example(client)

Çıktı

Document Sentiment: mixed
Overall scores: positive=0.47; neutral=0.00; negative=0.52

Sentence: The food and service were unacceptable.
Sentence sentiment: negative
Sentence score:
Positive=0.00
Neutral=0.00
Negative=0.99

......'negative' target 'food'
......Target score:
......Positive=0.00
......Negative=1.00

......'negative' assessment 'unacceptable'
......Assessment score:
......Positive=0.00
......Negative=1.00

......'negative' target 'service'
......Target score:
......Positive=0.00
......Negative=1.00

......'negative' assessment 'unacceptable'
......Assessment score:
......Positive=0.00
......Negative=1.00



Sentence: The concierge was nice, however.
Sentence sentiment: positive
Sentence score:
Positive=0.94
Neutral=0.01
Negative=0.05

......'positive' target 'concierge'
......Target score:
......Positive=1.00
......Negative=0.00

......'positive' assessment 'nice'
......Assessment score:
......Positive=1.00
......Negative=0.00

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

• Azure portalı
• Azure CLI

Bu hızlı başlangıçta oluşturduğunuz ortam değişkenlerini silmek için aşağıdaki komutları kullanın.

reg delete "HKCU\Environment" /v LANGUAGE_KEY /f

reg delete "HKCU\Environment" /v LANGUAGE_ENDPOINT /f

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

Sonraki adımlar

• Yaklaşım analizi ve görüş madenciliği dil desteği
• API'yi çağırma
• Başvuru belgeleri
• Ek örnekler

Başvuru belgeleri

REST API kullanarak yaklaşım analizi istekleri göndermek için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, bir metin örneğinde ifade edilen yaklaşımları tanımlamak ve en boy tabanlı yaklaşım analizi gerçekleştirmek için cURL kullanacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Örnek istek gövdesiyle bir JSON dosyası oluşturma

Kod düzenleyicisinde adlı test_sentiment_payload.json yeni bir dosya oluşturun ve aşağıdaki JSON örneğini kopyalayın. Bu örnek istek, sonraki adımda API'ye gönderilecektir.

{
	"kind": "SentimentAnalysis",
	"parameters": {
		"modelVersion": "latest",
		"opinionMining": "True"
	},
	"analysisInput":{
		"documents":[
			{
				"id":"1",
				"language":"en",
				"text": "The food and service were unacceptable. The concierge was nice, however."
			}
		]
	}
} 

Bilgisayarınızda bir yere kaydedin test_sentiment_payload.json . Örneğin, masaüstünüz.

Yaklaşım analizi ve görüş madenciliği API isteği gönderme

Kullandığınız programı kullanarak API isteği göndermek için aşağıdaki komutları kullanın. Komutunu terminalinize kopyalayın ve çalıştırın.

curl -X POST "%LANGUAGE_ENDPOINT%/language/:analyze-text?api-version=2023-04-15-preview" ^
-H "Content-Type: application/json" ^
-H "Ocp-Apim-Subscription-Key: %LANGUAGE_KEY%" ^
-d "@C:\Users\<myaccount>\Desktop\test_sentiment_payload.json"

curl.exe -X POST $env:LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2023-04-15-preview `
-H "Content-Type: application/json" `
-H "Ocp-Apim-Subscription-Key: $env:LANGUAGE_KEY" `
-d "@C:\Users\<myaccount>\Desktop\test_sentiment_payload.json"

curl -X POST $LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2023-04-15-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: $LANGUAGE_KEY" \
-d "@/home/mydir/test_sentiment_payload.json"

curl -X POST $LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2023-04-15-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: $LANGUAGE_KEY" \
-d "@/home/mydir/test_sentiment_payload.json"

JSON yanıtı

{
	"kind": "SentimentAnalysisResults",
	"results": {
		"documents": [{
			"id": "1",
			"sentiment": "mixed",
			"confidenceScores": {
				"positive": 0.47,
				"neutral": 0.0,
				"negative": 0.52
			},
			"sentences": [{
				"sentiment": "negative",
				"confidenceScores": {
					"positive": 0.0,
					"neutral": 0.0,
					"negative": 0.99
				},
				"offset": 0,
				"length": 40,
				"text": "The food and service were unacceptable. ",
				"targets": [{
					"sentiment": "negative",
					"confidenceScores": {
						"positive": 0.0,
						"negative": 1.0
					},
					"offset": 4,
					"length": 4,
					"text": "food",
					"relations": [{
						"relationType": "assessment",
						"ref": "#/documents/0/sentences/0/assessments/0"
					}]
				}, {
					"sentiment": "negative",
					"confidenceScores": {
						"positive": 0.0,
						"negative": 1.0
					},
					"offset": 13,
					"length": 7,
					"text": "service",
					"relations": [{
						"relationType": "assessment",
						"ref": "#/documents/0/sentences/0/assessments/0"
					}]
				}],
				"assessments": [{
					"sentiment": "negative",
					"confidenceScores": {
						"positive": 0.0,
						"negative": 1.0
					},
					"offset": 26,
					"length": 12,
					"text": "unacceptable",
					"isNegated": false
				}]
			}, {
				"sentiment": "positive",
				"confidenceScores": {
					"positive": 0.94,
					"neutral": 0.01,
					"negative": 0.05
				},
				"offset": 40,
				"length": 32,
				"text": "The concierge was nice, however.",
				"targets": [{
					"sentiment": "positive",
					"confidenceScores": {
						"positive": 1.0,
						"negative": 0.0
					},
					"offset": 44,
					"length": 9,
					"text": "concierge",
					"relations": [{
						"relationType": "assessment",
						"ref": "#/documents/0/sentences/1/assessments/0"
					}]
				}],
				"assessments": [{
					"sentiment": "positive",
					"confidenceScores": {
						"positive": 1.0,
						"negative": 0.0
					},
					"offset": 58,
					"length": 4,
					"text": "nice",
					"isNegated": false
				}]
			}],
			"warnings": []
		}],
		"errors": [],
		"modelVersion": "2022-06-01"
	}
}

Kaynakları temizleme

Azure AI hizmetleri aboneliğini temizlemek ve kaldırmak istiyorsanız, kaynağı veya kaynak grubunu silebilirsiniz. Kaynak grubunun silinmesi, kaynak grubuyla ilişkili diğer tüm kaynakları da siler.

• Azure portalı
• Azure CLI

Bu hızlı başlangıçta oluşturduğunuz ortam değişkenlerini silmek için aşağıdaki komutları kullanın.

reg delete "HKCU\Environment" /v LANGUAGE_KEY /f

reg delete "HKCU\Environment" /v LANGUAGE_ENDPOINT /f

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

unset LANGUAGE_KEY

unset LANGUAGE_ENDPOINT

Sonraki adımlar

• Yaklaşım analizi ve görüş madenciliği dil desteği
• API'yi çağırma
• Başvuru belgeleri