Tekstanalyse

En tjeneste tekstmining baseret på kunstig intelligens, der afdækker indsigt såsom synspunktsanalyse, enheder, relationer og nøgleudtryk i ustruktureret tekst

Foretag mining af indsigter fra tekst

Foretag mining i ustruktureret tekst ved hjælp af behandling af naturligt sprog – der kræves ingen ekspertise inden for maskinel indlæring. Få en dybere forståelse af kundeudtalelser med analyse af synspunkter. Identificer nøgleudtryk og objekter såsom personer, steder og organisationer for at forstå almindelige emner og tendenser. Klassificer medicinsk terminologi ved hjælp af domænespecifikke, forudtrænede modeller. Evaluer tekst på en lang række sprog.

Bred enhedsudtrækning

Identificer vigtige begreber i tekst, herunder nøgleudtryk og tegnenheder, såsom personer, arrangementer og organisationer.

Effektiv analyse af synspunkter

Udforsk, hvad kunderne siger om dit brand, og analysér synspunkter om bestemte emner via meningsmining.

Robust registrering af sprog

Analysér tekstinput på flere sprog.

Fleksibel installation

Kør Tekstanalyse hvor som helst – i cloudmiljøet, i det lokale miljø eller på grænseenheder i objektbeholdere.

Sprog: English (tillid: 100 %)
Nøglesætninger: 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
Synspunkt:
Dokument
MIXED
86%
Positiv
0%
Neutral
14%
Negativ
Sætning 1
POSITIVE
99%
Positiv
1%
Neutral
0%
Negativ
Sætning 2
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Sætning 3
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Sætning 4
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Sætning 5
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Sætning 6
NEUTRAL
0%
Positiv
100%
Neutral
0%
Negativ
Sætning 7
NEGATIVE
0%
Positiv
0%
Neutral
100%
Negativ
Sætning 8
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Navngivne enheder: Contoso [Organization]
Steakhouse [Location]
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]
email [Skill]
order@contososteakhouse.com [Email]
contososteakhouse [Organization]
Enheder med personidentificerbare oplysninger: Type: Organization
Value: Contoso

Type: DateTime
Value: last week

Type: Person
Value: John Doe

Type: Phone Number
Value: 312-555-0176

Type: Email
Value: order@contososteakhouse.com

Type: Organization
Value: contososteakhouse

Sammenkædede enheder: 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": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "detectedLanguage": {
          "name": "English",
          "iso6391Name": "en",
          "confidenceScore": 0.99
        }
      }
    ],
    "errors": [],
    "modelversion": "2021-01-05"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "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": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "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": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "entities": [
          {
            "text": "Contoso",
            "category": "Organization",
            "subcategory": null,
            "offset": 11,
            "length": 7,
            "confidencescore": 0.58
          },
          {
            "text": "Steakhouse",
            "category": "Location",
            "subcategory": null,
            "offset": 19,
            "length": 10,
            "confidencescore": 0.61
          },
          {
            "text": "NYC",
            "category": "Location",
            "subcategory": "GPE",
            "offset": 49,
            "length": 3,
            "confidencescore": 0.82
          },
          {
            "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": 0.81
          },
          {
            "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": "kitchen",
            "category": "Location",
            "subcategory": "Structural",
            "offset": 272,
            "length": 7,
            "confidencescore": 0.75
          },
          {
            "text": "Sirloin steak",
            "category": "Product",
            "subcategory": null,
            "offset": 346,
            "length": 13,
            "confidencescore": 0.91
          },
          {
            "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": "email",
            "category": "Skill",
            "subcategory": null,
            "offset": 530,
            "length": 5,
            "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"
  },
  "entityLinking": {
    "documents": [
      {
        "id": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "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": "2020-02-01"
  },
  "entityPII": {
    "documents": [
      {
        "id": "8c0f2ac3-3f0d-4a62-aa43-c0d8a65f294c",
        "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": "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"
  }
}

Identificer og kategoriser vigtige begreber

Udtræk et bredt udvalg af færdigbyggede enheder, f.eks. personer, steder, organisationer, datoer/klokkeslæt, tal og mere end 100 typer personligt identificerbare oplysninger, herunder beskyttede sundhedsoplysninger, i dokumenter, der bruger genkendelse af navngivne enheder.

Udtræk nøgleudtryk i ustruktureret tekst

Evaluer og identificer hurtigt hovedpunkterne i ustruktureret tekst. Få en liste over relevante udtryk, der bedst beskriver emnet i hver post, ved hjælp af udtrækning af nøgleudtryk. Organiser nemt oplysninger for at få en forståelse af vigtige emner og tendenser.

Få en bedre forståelse af kundeopfattelsen

Analysér positive og negative synspunkter på sociale medier, i kundeanmeldelser og andre kilder for at tage pulsen på dit brand. Brug meningsmining til at udforske kundernes opfattelse af bestemte attributter for produkter eller tjenester i tekst.

Håndter ustrukturerede medicinske data

Udtræk indsigt fra ustrukturerede kliniske data, f.eks. lægers noter, elektroniske patientjournaler og patientindlæggelsesformularer ved hjælp af sundhedsfunktionen i Tekstanalyse i prøveversion. Genkend, klassificer og fastlæg relationer mellem medicinske begreber, f.eks. diagnosticering, symptomer og dosis samt hyppighed af medicinering.

Registrer sproget i din tekst

Evaluer tekstinput på en lang række sprog, varianter og dialekter ved hjælp funktionen til registrering af sprog.

Udrul overalt lige fra cloudmiljøet til grænseenheder

Kør Tekstanalyse, uanset hvor dine data befinder sig. Opret programmer, der er optimeret til både robuste cloudegenskaber og lokaliteten på grænseenheder ved hjælp af objektbeholdere.

Omfattende beskyttelse af personlige oplysninger og sikkerhed

  • Dine data forbliver dine. Microsoft indsamler ikke data fra den træning, der udføres på din tekst, for at forbedre modeller.
  • Vælg, hvor Cognitive Services skal behandle dine data i objektbeholdere.
  • Tekstanalyse understøttes af Azure-infrastruktur og byder på sikkerhed, pålidelighed, tilgængelighed, overholdelse af angivne standarder og håndterbarhed i virksomhedsklassen.

Få den effektivitet, kontrol og tilpasning, du har brug for, med fleksible priser

  • Betal kun for det, du bruger, uden forudbetaling.
  • Når du bruger Tekstanalyse, betaler du efter forbrug på baggrund af antallet af transaktioner.

Tekstanalyse-ressourcer og -dokumentation

Kom i gang med læringsressourcer

Betroet af virksomheder i alle størrelser

KPMG strømliner analyse af svindel

KPMG hjælper pengeinstitutter med at spare millioner på omkostninger forbundet med overholdelse af angivne standarder vha. løsningen til risikoanalyse for kunder, der bruger Tekstanalyse til at registrere mønstre og nøgleord for at markere risici forbundet med overholdelse af angivne standarder med flag.

KPMG

Wilson Allen giver adgang til indsigt via ustrukturerede data

Wilson Allen har oprettet en effektiv AI-løsning, som kan hjælpe advokatvirksomheder og professionelle servicevirksomheder i hele verden med at få indsigt på et hidtil uset niveau ved hjælp af tidligere siloopdelte og ustrukturerede data.

Wilson Allen

IHC styrker serviceteknikere

Royal IHC bruger Azure Cognitive Search og Tekstanalyse til at aflaste teknikerne i forbindelse med tidskrævende manuelle datasøgninger på tværs af forskellige kilder og for at give dem indsigt i deres strukturerede og ustrukturerede data.

Royal IHC

LaLiga booster fanengagementet

LaLiga engagerer hundredmillioner af fans i hele verden med en personlig digital assistent ved hjælp af Tekstanalyse, der behandler indgående forespørgsler og fastlægger brugerhensigt på flere sprog.

LaLiga

TIBCO bringer analyse af hovedårsager til de ydre enheder

TIBCO bruger Tekstanalyse og Afvigelsesregistrering til at registrere og analysere uregelmæssigheder – pludselige ændringer i datamønstre – registrere hovedårsager og foreslå handlinger.

TIBCO

Kotak Mahindra Bank sætter fart på produktiviteten

Kotak Asset Management transformerer administrationen af sin kundeservice ved at aktivere chatrobotter, så de nemt kan analysere emnelinjen, kundeoplysninger og mailindhold og dermed identificere synspunkter og udløse den næste bedste handling.

Kotak

Ofte stillede spørgsmål om Tekstanalyse

  • Tekstanalyse registrerer en lang række sprog, varianter og dialekter. Du kan finde flere oplysninger i dokumentationen til sprogunderstøttelse.
  • Ja. Analyse af synspunkter og udtrækning af nøgleudtryk er tilgængelige for en række sprog, og du kan anmode om yderligere sprog i Forummet for Tekstanalyse.
  • I forbindelse med udtrækning af nøgleudtryk fjernes ord, der ikke er vigtige, og separate adjektiver. Kombinationer af adjektiver og substantiver, f.eks. "enestående udsigt" eller "tåget vejr", returneres sammen. Output består generelt af substantiver og objekter i sætningen og angives efter, hvor vigtige de er. Vigtigheden måles efter antal gange, et begreb nævnes, eller efter relationen mellem det pågældende element med andre elementer i teksten.
  • Forbedringer af modeller og algoritmer meddeles, hvis det er en større ændring, og føjes til tjenesten, hvis det er en mindre opdatering. Med tiden oplever du måske, at det samme tekstinput resulterer i forskellig score for synspunkter eller output med nøgleudtryk. Dette er en normal og tilsigtet konsekvens af at bruge administrerede ressourcer til maskinel indlæring i cloudmiljøet.
  • Ja, nu kan du bruge analysehandlingen i prøveversionen til at kombinere mere end én Tekstanalyse-funktion i det samme asynkrone kald. Analysehandlingen er i øjeblikket kun tilgængelig på prisniveauet Standard (S) og følger samme priskriterier som S-niveauet.

Kom i gang med Tekstanalyse