Análise de Texto

Um serviço de IA que revela insights como sentimentos, entidades e frases-chave em texto não estruturado

Extraia insights do texto

Descubra insights em texto não estruturado usando o NLP (processamento de linguagem natural), sem necessidade de experiência com machine learning. Identifique frases-chave e entidades como pessoas, lugares e organizações para entender os tópicos e as tendências comuns. Classifique a terminologia médica usando modelos pré-treinados específicos de domínio. Obtenha uma compreensão mais profunda das opiniões dos clientes com a análise de sentimento. Avalie o texto em uma grande variedade de idiomas.

Extração de entidade ampla

Identifique conceitos importantes no texto, incluindo frases-chave e entidades nomeadas, como pessoas, lugares e organizações.

Análise avançada de sentimentos

Examine o que os clientes estão dizendo sobre sua marca e detecte sentimentos relacionados a tópicos específicos.

Detecção de idioma robusta

Avalie uma entrada de texto em uma grande variedade de idiomas.

Implantação flexível

Execute a Análise de Texto em qualquer lugar: na nuvem, localmente ou na borda em contêineres.

  1. Texto analisado
  2. JSON
Linguagens: English (confiança: 100%)
Frases-chave: place, online menu, great menu, marvelous food, midtown NYC, week, dinner party, Contoso Steakhouse, pre-order, John Doe, Sirloin steak, chief cook, owner, kitchen, spot, dining, complaint, email
Sentimento:
Documento
MIXED
86%
Positivo
0%
Neutro
14%
Negativo
Frase 1
POSITIVE
99%
Positivo
1%
Neutro
0%
Negativo
Frase 2
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 3
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 4
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 5
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 6
NEUTRAL
0%
Positivo
100%
Neutro
0%
Negativo
Frase 7
NEGATIVE
0%
Positivo
0%
Neutro
100%
Negativo
Frase 8
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Entidades nomeadas: Contoso Steakhouse [Location]
midtown NYC [Location]
last week [DateTime-DateRange]
chief cook [PersonType]
owner [PersonType]
John Doe [Person]
kitchen [Location-Structural]
www.contososteakhouse.com [URL]
312-555-0176 [Phone Number]
email [Skill]
order@contososteakhouse.com [Email]
Entidades PII: Type: Person
Value: John Doe

Type: URL
Value: www.contososteakhouse.com

Type: Phone Number
Value: 312-555-0176

Type: Email
Value: order@contososteakhouse.com

Entidades vinculadas: We went to Contoso Steakhouse located at midtown NYC last week for a dinner party, and we adore the spot! They provide marvelous food and they have a great menu. The chief cook happens to be the owner (I think his name is John Doe) and he is super nice, coming out of the kitchen and greeted us all. We enjoyed very much dining in the place! The Sirloin steak I ordered was tender and juicy, and the place was impeccably clean. You can even pre-order from their online menu at www.contososteakhouse.com, call 312-555-0176 or send email to order@contososteakhouse.com! The only complaint I have is the food didn't come fast enough. Overall I highly recommend it!
{
  "languageDetection": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "detectedLanguages": [
          {
            "name": "English",
            "iso6391Name": "en",
            "score": 1.0
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2019-10-01"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "keyPhrases": [
          "place",
          "online menu",
          "great menu",
          "marvelous food",
          "midtown NYC",
          "week",
          "dinner party",
          "Contoso Steakhouse",
          "pre-order",
          "John Doe",
          "Sirloin steak",
          "chief cook",
          "owner",
          "kitchen",
          "spot",
          "dining",
          "complaint",
          "email"
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-07-01"
  },
  "sentiment": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "sentiment": "mixed",
        "documentscores": {
          "positive": 0.86,
          "neutral": 0.0,
          "negative": 0.14
        },
        "sentences": [
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 0.99,
              "neutral": 0.01,
              "negative": 0.0
            },
            "offset": 0,
            "length": 105
          },
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 106,
            "length": 55
          },
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 162,
            "length": 137
          },
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 300,
            "length": 41
          },
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 342,
            "length": 85
          },
          {
            "sentiment": "neutral",
            "sentencescores": {
              "positive": 0.0,
              "neutral": 1.0,
              "negative": 0.0
            },
            "offset": 428,
            "length": 139
          },
          {
            "sentiment": "negative",
            "sentencescores": {
              "positive": 0.0,
              "neutral": 0.0,
              "negative": 1.0
            },
            "offset": 568,
            "length": 62
          },
          {
            "sentiment": "positive",
            "sentencescores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 631,
            "length": 30
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-04-01"
  },
  "entities": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "entities": [
          {
            "text": "Contoso Steakhouse",
            "type": "Location",
            "subtype": null,
            "offset": 11,
            "length": 18,
            "score": 0.46
          },
          {
            "text": "midtown NYC",
            "type": "Location",
            "subtype": null,
            "offset": 41,
            "length": 11,
            "score": 0.55
          },
          {
            "text": "last week",
            "type": "DateTime",
            "subtype": "DateRange",
            "offset": 53,
            "length": 9,
            "score": 0.8
          },
          {
            "text": "chief cook",
            "type": "PersonType",
            "subtype": null,
            "offset": 166,
            "length": 10,
            "score": 0.82
          },
          {
            "text": "owner",
            "type": "PersonType",
            "subtype": null,
            "offset": 195,
            "length": 5,
            "score": 0.71
          },
          {
            "text": "John Doe",
            "type": "Person",
            "subtype": null,
            "offset": 222,
            "length": 8,
            "score": 0.94
          },
          {
            "text": "kitchen",
            "type": "Location",
            "subtype": "Structural",
            "offset": 272,
            "length": 7,
            "score": 0.6
          },
          {
            "text": "www.contososteakhouse.com",
            "type": "URL",
            "subtype": null,
            "offset": 477,
            "length": 25,
            "score": 0.8
          },
          {
            "text": "312-555-0176",
            "type": "Phone Number",
            "subtype": null,
            "offset": 509,
            "length": 12,
            "score": 0.8
          },
          {
            "text": "email",
            "type": "Skill",
            "subtype": null,
            "offset": 530,
            "length": 5,
            "score": 0.8
          },
          {
            "text": "order@contososteakhouse.com",
            "type": "Email",
            "subtype": null,
            "offset": 539,
            "length": 27,
            "score": 0.8
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-04-01"
  },
  "entityLinking": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "entities": [
          {
            "name": "Sirloin steak",
            "matches": [
              {
                "text": "Sirloin steak",
                "offset": 346,
                "length": 13,
                "score": 0.69
              }
            ],
            "language": "en",
            "id": "Sirloin steak",
            "url": "https://en.wikipedia.org/wiki/Sirloin_steak",
            "datasource": "Wikipedia"
          },
          {
            "name": "Steakhouse",
            "matches": [
              {
                "text": "Steakhouse",
                "offset": 19,
                "length": 10,
                "score": 0.78
              }
            ],
            "language": "en",
            "id": "Steakhouse",
            "url": "https://en.wikipedia.org/wiki/Steakhouse",
            "datasource": "Wikipedia"
          },
          {
            "name": "John Doe",
            "matches": [
              {
                "text": "John Doe",
                "offset": 222,
                "length": 8,
                "score": 0.01
              }
            ],
            "language": "en",
            "id": "John Doe",
            "url": "https://en.wikipedia.org/wiki/John_Doe",
            "datasource": "Wikipedia"
          },
          {
            "name": "New York City",
            "matches": [
              {
                "text": "NYC",
                "offset": 49,
                "length": 3,
                "score": 0.39
              }
            ],
            "language": "en",
            "id": "New York City",
            "url": "https://en.wikipedia.org/wiki/New_York_City",
            "datasource": "Wikipedia"
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-02-01"
  },
  "entityPII": {
    "documents": [
      {
        "id": "420df47e-43cc-48c6-a02a-9416d2c5b95e",
        "entities": [
          {
            "text": "John Doe",
            "type": "Person",
            "subtype": null,
            "offset": 222,
            "length": "8",
            "score": 0.94
          },
          {
            "text": "www.contososteakhouse.com",
            "type": "URL",
            "subtype": null,
            "offset": 477,
            "length": "25",
            "score": 0.8
          },
          {
            "text": "312-555-0176",
            "type": "Phone Number",
            "subtype": null,
            "offset": 509,
            "length": "12",
            "score": 0.8
          },
          {
            "text": "order@contososteakhouse.com",
            "type": "Email",
            "subtype": null,
            "offset": 539,
            "length": "27",
            "score": 0.8
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-07-01"
  }
}

Identifique e categorize conceitos importantes

Classifique uma grande variedade de entidades em texto, como pessoas, lugares, organizações, data/hora e percentuais, usando o reconhecimento de entidade nomeada. Detecte e extraia mais de 100 tipos de PII (Informações de Identificação Pessoal), incluindo PHI (Informações de Integridade Protegidas), em documentos.

Extraia frases-chave em texto não estruturado

Avalie e identifique rapidamente os principais pontos em texto não estruturado. Obtenha uma lista de frases relevantes que descrevem melhor o assunto de cada registro usando a extração de frases-chave. Extraia e organize informações com facilidade para compreender tópicos e tendências importantes.

Compreenda melhor a percepção dos clientes

Detecte opiniões positivas e negativas em mídia social, análises de clientes e outras fontes para saber como é a receptividade de sua marca. Use a mineração de opinião para explorar a visão que os clientes têm de determinados aspectos, como atributos específicos de produtos ou serviços, no texto.

Processe dados médicos não estruturados

Extraia insights de documentos clínicos não estruturados, como atestados médicos, prontuários eletrônicos e formulários de internação de pacientes usando o recurso de saúde da Análise de Texto (versão prévia pública de entrada). Reconheça, classifique e determine relações entre conceitos médicos como diagnóstico, sintomas e dosagem e frequência de medicamentos.

Detecte o idioma de seu texto

Avalie entradas de texto em uma grande variedade de idiomas, variantes e dialetos usando o recurso de Detecção de Idioma.

Implante em qualquer lugar, da nuvem à borda

Execute a Análise de Texto onde quer que os dados estejam localizados. Crie aplicativos otimizados para funcionalidades de nuvem robustas e localidade de borda usando contêineres.

Privacidade e segurança abrangentes

  • Seus dados permanecem sendo seus. A Microsoft não usa o treinamento realizado em seu texto para aprimorar os modelos.
  • Escolha onde os Serviços Cognitivos processam seus dados com contêineres.
  • Com o suporte da infraestrutura do Azure, a Análise de Texto oferece segurança, disponibilidade, conformidade e capacidade de gerenciamento de nível empresarial.

Tenha o poder, o controle e a personalização de que você precisa com preços flexíveis

  • Pague apenas pelo que usar, sem custos iniciais.
  • Com a Análise de Texto, você paga conforme o uso com base no número de transações.

Recursos da Análise de Texto

Primeiros passos

Com a confiança de empresas de todos os tamanhos

A KPMG simplifica a análise de fraudes

A KPMG está ajudando as instituições financeiras a economizar milhões em custos de conformidade com sua solução de análise de riscos para clientes, que detecta padrões de texto específicos e palavras-chave para sinalizar riscos de conformidade.

Leia a história

KPMG

A Wilson Allen revela insights de dados não estruturados

A Wilson Allen criou uma poderosa solução de IA que pode ajudar as empresas de serviços profissionais e de advocacia em todo o mundo a encontrar níveis de insights sem precedentes em dados que estavam anteriormente em silos e não estruturados.

Leia a história

Wilson Allen

A IHC capacita os engenheiros de serviço

A Royal IHC usa o Azure Cognitive Search e a Análise de Texto para aliviar seus engenheiros de pesquisas manuais de dados demoradas entre fontes diferentes e fornecer a esses engenheiros informações sobre os dados estruturados e não estruturados deles.

Leia a história

Royal IHC

A LaLiga impulsiona a participação dos fãs

A LaLiga está interagindo com centenas de milhões de fãs em todo o mundo com um assistente digital pessoal, usando a Análise de Texto para processar consultas recebidas e determinar as intenções dos usuários em vários idiomas.

Leia a história

LaLiga

A TIBCO traz a análise da causa raiz para a borda

A TIBCO está usando o Detector de Anomalias e a Análise de Texto para detectar e analisar anomalias (alterações repentinas em padrões de dados), descobrir causas raiz e fornecer ações sugeridas.

Leia a história

TIBCO

O Kotak Mahindra Bank acelera a produtividade

A Kotak Asset Management está transformando o gerenciamento de serviços de atendimento ao cliente, permitindo que os chatbots analisem facilmente a linha do assunto, as informações do cliente e o conteúdo do email para identificar sentimentos e disparar a próxima melhor ação.

Leia a história

Kotak

Perguntas frequentes sobre Análise de Texto

  • A Análise de Texto detecta uma ampla gama de idiomas, variantes e dialetos. Para obter mais informações, confira a documentação sobre suporte a idiomas.
  • Não, os modelos são pré-treinados. As operações de pontuação, a extração de frases-chave e detecção de idioma estão disponíveis para os dados carregados. Para criar e hospedar modelos personalizados, explore o serviço de Reconhecimento vocal.
  • Sim. A análise de sentimentos e a extração de frases-chave estão disponíveis para um número seleto de idiomas, e você pode solicitar idiomas adicionais no Fórum da Análise de Texto.
  • A extração de frases-chave elimina palavras não essenciais e adjetivos independentes. Combinações de adjetivo-substantivo, como "vistas espetaculares" ou "clima enevoado" são retornadas em conjunto. Em geral, a saída consiste nos substantivos e nos objetos da frase e é listada em ordem de importância. A importância é medida pelo número de vezes que um determinado conceito é mencionado ou pela relação do elemento com outros elementos do texto.
  • Melhorias aos modelos e algoritmos serão anunciadas se a alteração for importante e adicionadas ao serviço se a atualização for secundária. Ao longo do tempo, você poderá descobrir que a mesma entrada de texto resulta em uma pontuação de sentimento ou saída de frases-chave diferente. Essa é uma consequência normal e intencional do uso de recursos de aprendizado de máquina gerenciados na nuvem.

Introdução à Análise de Texto