Analýza textu

Služba umělé inteligence pro dolování textu, která odhaluje poznatky, například analýzy postojů, entity, vztahy a klíčové fráze v nestrukturovaném textu

Dolování informací z textu

Mine insights in unstructured text using natural language processing (NLP)—no machine learning expertise required. Gain a deeper understanding of customer opinions with sentiment analysis. Identify key phrases and entities such as people, places, and organizations to understand common topics and trends. Classify medical terminology using domain-specific, pretrained models. Evaluate text in a wide range of languages.

Široká extrakce entit

Identify important concepts in text, including key phrases and named entities such as people, events, and organizations.

Výkonná analýza mínění

Examine what customers are saying about your brand and analyze sentiments around specific topics through opinion mining.

Question answering

Get answers to questions from content such as FAQ, product manuals, blogs, and policies.

Flexibilní nasazení

Run Text Analytics anywhere—in the cloud, on-premises, or at the edge in containers.

Jazyky: English (pravděpodobnost: 100 %)
Klíčové fráze: The Sirloin steak, Contoso Steakhouse, midtown NYC, dinner party, great menu, chief cook, John Doe, online menu, marvelous food, spot, owner, name, kitchen, dining, place, contososteakhouse, email, order, complaint
Zabarvení:
Databáze dokumentů
MIXED
86%
Pozitivní
0%
Neutrální
14%
Negativní
Věta 1
POSITIVE
99%
Pozitivní
1%
Neutrální
0%
Negativní
Věta 2
POSITIVE
100%
Pozitivní
0%
Neutrální
0%
Negativní
Věta 3
POSITIVE
100%
Pozitivní
0%
Neutrální
0%
Negativní
Věta 4
POSITIVE
100%
Pozitivní
0%
Neutrální
0%
Negativní
Věta 5
POSITIVE
100%
Pozitivní
0%
Neutrální
0%
Negativní
Věta 6
NEUTRAL
0%
Pozitivní
100%
Neutrální
0%
Negativní
Věta 7
NEGATIVE
0%
Pozitivní
0%
Neutrální
100%
Negativní
Věta 8
POSITIVE
100%
Pozitivní
0%
Neutrální
0%
Negativní
Pojmenované entity: Contoso Steakhouse [Location]
midtown [Location-GPE]
NYC [Location-GPE]
last week [DateTime-DateRange]
dinner party [Event]
chief cook [PersonType]
owner [PersonType]
John Doe [Person]
kitchen [Location-Structural]
Sirloin steak [Product]
www.contososteakhouse.com [URL]
312-555-0176 [Phone Number]
order@contososteakhouse.com [Email]
food [Product]
Entity PII: Type: Organization
Value: Contoso

Type: DateTime
Value: last week

Type: PersonType
Value: chief cook

Type: PersonType
Value: owner

Type: Person
Value: John Doe

Type: Phone Number
Value: 312-555-0176

Type: Email
Value: order@contososteakhouse.com

Type: Organization
Value: contososteakhouse

Propojené entity: 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": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "detectedLanguage": {
          "name": "English",
          "iso6391Name": "en",
          "confidenceScore": 0.99
        }
      }
    ],
    "errors": [],
    "modelversion": "2021-01-05"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "keyPhrases": [
          "The Sirloin steak",
          "Contoso Steakhouse",
          "midtown NYC",
          "dinner party",
          "great menu",
          "chief cook",
          "John Doe",
          "online menu",
          "marvelous food",
          "spot",
          "owner",
          "name",
          "kitchen",
          "dining",
          "place",
          "contososteakhouse",
          "email",
          "order",
          "complaint"
        ]
      }
    ],
    "errors": [],
    "modelversion": "2021-06-01"
  },
  "sentiment": {
    "documents": [
      {
        "id": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "sentiment": "mixed",
        "confidenceScores": {
          "positive": 0.86,
          "neutral": 0.0,
          "negative": 0.14
        },
        "sentences": [
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 0.99,
              "neutral": 0.01,
              "negative": 0.0
            },
            "offset": 0,
            "length": 105
          },
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 106,
            "length": 55
          },
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 162,
            "length": 137
          },
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 300,
            "length": 41
          },
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 342,
            "length": 85
          },
          {
            "sentiment": "neutral",
            "confidenceScores": {
              "positive": 0.0,
              "neutral": 1.0,
              "negative": 0.0
            },
            "offset": 428,
            "length": 139
          },
          {
            "sentiment": "negative",
            "confidenceScores": {
              "positive": 0.0,
              "neutral": 0.0,
              "negative": 1.0
            },
            "offset": 568,
            "length": 62
          },
          {
            "sentiment": "positive",
            "confidenceScores": {
              "positive": 1.0,
              "neutral": 0.0,
              "negative": 0.0
            },
            "offset": 631,
            "length": 30
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2020-04-01"
  },
  "entities": {
    "documents": [
      {
        "id": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "entities": [
          {
            "text": "Contoso Steakhouse",
            "category": "Location",
            "subcategory": null,
            "offset": 11,
            "length": 18,
            "confidencescore": 0.78
          },
          {
            "text": "midtown",
            "category": "Location",
            "subcategory": "GPE",
            "offset": 41,
            "length": 7,
            "confidencescore": 0.63
          },
          {
            "text": "NYC",
            "category": "Location",
            "subcategory": "GPE",
            "offset": 49,
            "length": 3,
            "confidencescore": 0.81
          },
          {
            "text": "last week",
            "category": "DateTime",
            "subcategory": "DateRange",
            "offset": 53,
            "length": 9,
            "confidencescore": 0.8
          },
          {
            "text": "dinner party",
            "category": "Event",
            "subcategory": null,
            "offset": 69,
            "length": 12,
            "confidencescore": 0.93
          },
          {
            "text": "chief cook",
            "category": "PersonType",
            "subcategory": null,
            "offset": 166,
            "length": 10,
            "confidencescore": 0.88
          },
          {
            "text": "owner",
            "category": "PersonType",
            "subcategory": null,
            "offset": 195,
            "length": 5,
            "confidencescore": 0.98
          },
          {
            "text": "John Doe",
            "category": "Person",
            "subcategory": null,
            "offset": 222,
            "length": 8,
            "confidencescore": 1.0
          },
          {
            "text": "kitchen",
            "category": "Location",
            "subcategory": "Structural",
            "offset": 272,
            "length": 7,
            "confidencescore": 0.95
          },
          {
            "text": "Sirloin steak",
            "category": "Product",
            "subcategory": null,
            "offset": 346,
            "length": 13,
            "confidencescore": 0.9
          },
          {
            "text": "www.contososteakhouse.com",
            "category": "URL",
            "subcategory": null,
            "offset": 477,
            "length": 25,
            "confidencescore": 0.8
          },
          {
            "text": "312-555-0176",
            "category": "Phone Number",
            "subcategory": null,
            "offset": 509,
            "length": 12,
            "confidencescore": 0.8
          },
          {
            "text": "order@contososteakhouse.com",
            "category": "Email",
            "subcategory": null,
            "offset": 539,
            "length": 27,
            "confidencescore": 0.8
          },
          {
            "text": "food",
            "category": "Product",
            "subcategory": null,
            "offset": 601,
            "length": 4,
            "confidencescore": 0.68
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2021-06-01"
  },
  "entityLinking": {
    "documents": [
      {
        "id": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "entities": [
          {
            "name": "Steakhouse",
            "matches": [
              {
                "text": "Steakhouse",
                "offset": 19,
                "length": 10,
                "score": 0.0
              }
            ],
            "language": "en",
            "id": "Steakhouse",
            "url": "https://en.wikipedia.org/wiki/Steakhouse",
            "datasource": "Wikipedia"
          },
          {
            "name": "New York City",
            "matches": [
              {
                "text": "NYC",
                "offset": 49,
                "length": 3,
                "score": 0.0
              }
            ],
            "language": "en",
            "id": "New York City",
            "url": "https://en.wikipedia.org/wiki/New_York_City",
            "datasource": "Wikipedia"
          },
          {
            "name": "John Doe",
            "matches": [
              {
                "text": "John Doe",
                "offset": 222,
                "length": 8,
                "score": 0.0
              }
            ],
            "language": "en",
            "id": "John Doe",
            "url": "https://en.wikipedia.org/wiki/John_Doe",
            "datasource": "Wikipedia"
          },
          {
            "name": "Sirloin steak",
            "matches": [
              {
                "text": "Sirloin steak",
                "offset": 346,
                "length": 13,
                "score": 0.0
              }
            ],
            "language": "en",
            "id": "Sirloin steak",
            "url": "https://en.wikipedia.org/wiki/Sirloin_steak",
            "datasource": "Wikipedia"
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2021-06-01"
  },
  "entityPII": {
    "documents": [
      {
        "id": "f924feec-f3e6-4ab8-8e26-b91a05cc3b82",
        "entities": [
          {
            "text": "Contoso",
            "category": "Organization",
            "subcategory": null,
            "offset": 11,
            "length": "7",
            "confidencescore": 0.58
          },
          {
            "text": "last week",
            "category": "DateTime",
            "subcategory": "DateRange",
            "offset": 53,
            "length": "9",
            "confidencescore": 0.8
          },
          {
            "text": "chief cook",
            "category": "PersonType",
            "subcategory": null,
            "offset": 166,
            "length": "10",
            "confidencescore": 0.63
          },
          {
            "text": "owner",
            "category": "PersonType",
            "subcategory": null,
            "offset": 195,
            "length": "5",
            "confidencescore": 0.93
          },
          {
            "text": "John Doe",
            "category": "Person",
            "subcategory": null,
            "offset": 222,
            "length": "8",
            "confidencescore": 0.98
          },
          {
            "text": "312-555-0176",
            "category": "Phone Number",
            "subcategory": null,
            "offset": 509,
            "length": "12",
            "confidencescore": 0.8
          },
          {
            "text": "order@contososteakhouse.com",
            "category": "Email",
            "subcategory": null,
            "offset": 539,
            "length": "27",
            "confidencescore": 0.8
          },
          {
            "text": "contososteakhouse",
            "category": "Organization",
            "subcategory": null,
            "offset": 545,
            "length": "17",
            "confidencescore": 0.45
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2021-01-15"
  }
}

Rozpoznání a kategorizace důležitých pojmů

Extract a broad range of prebuilt entities such as people, places, organizations, dates/times, numerals, and over 100 types of personally identifiable information (PII), including protected health information (PHI), in documents using named entity recognition.

Extrakce klíčových frází v nestrukturovaném textu

Quickly evaluate and identify the main points in unstructured text. Get a list of relevant phrases that best describe the subject of each record using key phrase extraction. Easily organize information to make sense of important topics and trends.

Lepší porozumění vnímání zákazníků

Analyze positive and negative sentiment in social media, customer reviews, and other sources to get a pulse on your brand. Use opinion mining to explore customers' perception of specific attributes of products or services in text.

Zpracování nestrukturovaných lékařských dat

Extract insights from unstructured clinical documents such as doctors' notes, electronic health records, and patient intake forms using the health feature of Text Analytics in preview. Recognize, classify, and determine relationships between medical concepts such as diagnosis, symptoms, and dosage and frequency of medication.

Create a conversational layer over your data

Get answers to questions from semi-structured and unstructured content such as URLs, FAQ, product manuals, blogs, support documents, and more.

Deploy anywhere, in the cloud or at the edge

Run Text Analytics wherever your data resides. Build applications that are optimized for both robust cloud capabilities and edge locality using containers.

Dokonalá ochrana osobních údajů a zabezpečení

  • Your data stays yours. Microsoft doesn't use the training performed on your text to improve models.
  • Zvolte, kde služba Cognitive Services zpracovává vaše data pomocí kontejnerů.
  • Služba Analýza textu využívá infrastrukturu Azure a nabízí zabezpečení, dostupnost, dodržování předpisů a možnosti správy na podnikové úrovni.

Výkon a možnosti kontroly a přizpůsobení, které potřebujete, s flexibilními cenami

  • Pay as you go based on the number of transactions, with no upfront costs.

Materiály a dokumentace ke službě Analýza textu

Začínáme se studijními materiály

Prohlédnutí oblíbených materiálů pro vývojáře

Této službě důvěřují společnosti všech velikostí

KPMG zefektivňuje analýzu podvodů

KPMG pomáhá finančním institucím ušetřit milióny v nákladech na dodržování předpisů pomocí svého řešení pro analýzu rizik zákazníků, které využívá službu Analýza textu k rozpoznávání určitých vzorů a klíčových slov k označení případných rizik dodržování předpisů.

KPMG

Wilson Allen odhaluje nové poznatky z nestrukturovaných dat

Společnost Wilson Allen vytvořila výkonné řešení AI, které pomáhá právním společnostem a firmám poskytujícím odborné služby po celém světě získávat nové poznatky z dříve izolovaných a nestrukturovaných dat.

Wilson Allen

IHC ulehčuje práci servisním technikům

Royal IHC pomocí služeb Azure Cognitive Search a Analýza textu ulehčuje technikům časově náročné ruční prohledávání dat z různých zdrojů a poskytuje jim přehledy o strukturovaných a nestrukturovaných datech.

Royal IHC

LaLiga posiluje péči o fanoušky

LaLiga is engaging millions of fans around the world with a personal digital assistant, using Text Analytics to process incoming queries and determine user intent in multiple languages.

LaLiga

TIBCO umožňuje analyzovat původní příčiny na hraničních zařízeních

Společnost TIBCO využívá rozhraní Analýza textu a Detektor anomálií ke zjišťování a analýze anomálií, jako jsou náhlé změny v datových vzorech, zjišťování hlavních příčin a nabízení doporučených akcí.

TIBCO

Kotak Mahindra Bank zvyšuje produktivitu

Kotak Asset Management transformuje řízení zákaznických služeb tím, že analýzou řádků předmětu, informací o zákaznících a obsahu e-mailů pomocí chatbotů rozpozná zabarvení a provede následnou optimální akci.

Kotak

Nejčastější dotazy k Analýza textu

  • Text Analytics detects a wide range of languages, variants, and dialects. See the language support documentation for more information.
  • Yes. Sentiment analysis and key phrase extraction are available for a select number of languages, and you may request additional languages in the Text Analytics Forum.
  • Extrakce klíčových frází eliminuje nevýznamová slova a samostatná přídavná jména. Kombinace přídavných a podstatných jmen, například „nádherné vyhlídky“ nebo „pošmourné počasí“, jsou vraceny společně. Výstup se obecně skládá z podstatných jmen a předmětů věty uvedených v pořadí podle důležitosti. Důležitost se určuje podle počtu zmínění konkrétního pojmu nebo vztahu tohoto prvku k jiným prvkům v textu.
  • Vylepšení modelů a algoritmů jsou oznámena, pokud je změna významná, a přidána do služby, pokud je aktualizace méně významná. V průběhu času můžete zjistit, že výsledek stejného textového vstupu má odlišné skóre zabarvení nebo klíčové fráze. Jedná se o normální a záměrné důsledky používání spravovaných prostředků strojového učení v cloudu.
  • Yes, you can use the analyze operation in preview to combine more than one Text Analytics feature in the same asynchronous call. The analyze operation is currently only available in the Standard pricing tier and follows the same pricing criteria.

Začínáme se službou Analýza textu