Análisis de texto

Un servicio de inteligencia artificial que detecta información, como opiniones, entidades y frases clave, en texto no estructurado

Extraiga información del texto

Extraiga información del texto no estructurado con procesamiento de lenguaje natural, sin necesidad de tener conocimientos de aprendizaje automático. Identifique frases clave y entidades, como personas, lugares y organizaciones, para conocer los temas y tendencias habituales. Conozca mejor la opinión de los clientes con el análisis de la opinión. Evalúe texto en un gran número de idiomas.

Amplia extracción de entidades

Identifique conceptos importantes en texto, como las frases clave y las entidades con nombre.

Análisis eficaz de la opinión

Examine lo que comentan los clientes sobre su marca y detecte su opinión sobre temas específicos.

Detección sólida del idioma

Evalúe la entrada de texto en un gran número de idiomas.

Implementación flexible

Ejecute Text Analytics en cualquier lugar: en la nube, en el entorno local o en el perímetro en contenedores.

  1. Texto analizado
  2. JSON
Idiomas: English (confiabilidad: 100 %)
Frases clave: 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
Opinión:
Documento
MIXED
86%
Positiva
0%
Neutralidad
14%
Negativa
Frase 1
POSITIVE
99%
Positiva
1%
Neutralidad
0%
Negativa
Frase 2
POSITIVE
100%
Positiva
0%
Neutralidad
0%
Negativa
Frase 3
POSITIVE
100%
Positiva
0%
Neutralidad
0%
Negativa
Frase 4
POSITIVE
100%
Positiva
0%
Neutralidad
0%
Negativa
Frase 5
POSITIVE
100%
Positiva
0%
Neutralidad
0%
Negativa
Frase 6
NEUTRAL
0%
Positiva
100%
Neutralidad
0%
Negativa
Frase 7
NEGATIVE
0%
Positiva
0%
Neutralidad
100%
Negativa
Frase 8
POSITIVE
100%
Positiva
0%
Neutralidad
0%
Negativa
Entidades con nombre: 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 de información de identificación personal: 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": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "detectedLanguages": [
          {
            "name": "English",
            "iso6391Name": "en",
            "score": 1.0
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2019-10-01"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "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": "2019-10-01"
  },
  "sentiment": {
    "documents": [
      {
        "id": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "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": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "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": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "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": "baaf4e8c-a40e-4d05-98c1-af00a17711b9",
        "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": "2020-04-01"
  }
}

Identifique y clasifique conceptos importantes

Clasifique una amplia gama de entidades en texto, como personas, lugares, organizaciones, fecha y hora, y porcentajes, usando el reconocimiento de entidades con nombre. Detecte y extraiga más de 100 tipos de información de identificación personal (PII) y más de 80 tipos de información médica protegida (PHI) en documentos. Obtenga información en menos tiempo con modelos de extracción de entidades precompilados.

Extraiga las frases clave de texto no estructurado

Evalúe e identifique rápidamente los puntos principales en texto no estructurado. Obtenga una lista de las frases relevantes que mejor describen el asunto de cada registro usando la extracción de frases clave. Extraiga y organice la información fácilmente para conocer los principales temas y tendencias.

Comprenda mejor la percepción de los clientes

Detecte opiniones positivas y negativas en medios sociales, revisiones de clientes y otros orígenes para obtener un pulso sobre su marca.

Implemente soluciones en cualquier parte, desde la nube hasta el perímetro

Ejecute Text Analytics donde residan los datos. Cree aplicaciones optimizadas tanto para características sólidas en la nube como para el perímetro con contenedores.

Privacidad y seguridad completas

  • Sus datos siguen siendo suyos. Microsoft no utiliza el entrenamiento realizado con su texto para mejorar los modelos.
  • Elija dónde procesa Cognitive Services los datos con contenedores.
  • Gracias al respaldo de la infraestructura de Azure, Text Analytics ofrece una seguridad, una disponibilidad, un cumplimiento normativo y una manejabilidad de nivel empresarial.

Obtenga el potencial, el control y el nivel de personalización que necesita con precios flexibles

  • Pague solo por lo que usa, sin costos por adelantado.
  • Con Text Analytics, solo paga por lo que usa en función del número de transacciones.

Compañías de todos los tamaños confían en él

KPMG optimiza el análisis de fraudes

KPMG ayuda a las instituciones financieras a ahorrar millones en costos de cumplimiento normativo con su solución Customer Risk Analytics, que detecta palabras clave y patrones de texto específicos para marcar riesgos de incumplimiento.

Leer el caso

KPMG

Securex ofrece experiencias de cliente fluidas

Securex utiliza Text Analytics para analizar y clasificar automáticamente los mensajes de correo electrónico entrantes por tema, determinar la prioridad y entregarlos al destinatario correcto.

Leer el caso

SecureX

IHC aumenta la capacidad de los ingenieros de servicio

Royal IHC utiliza Azure Cognitive Search y Text Analytics para liberar a sus ingenieros de las largas búsquedas manuales de datos en orígenes diferentes y proporcionarles información sobre los datos estructurados y no estructurados.

Leer el caso

Royal IHC

LaLiga impulsa la interacción con los aficionados

LaLiga atiende a cientos de millones de aficionados de todo el mundo con un asistente digital personal y el uso de Text Analytics para procesar las consultas entrantes y determinar la intención de los usuarios en varios idiomas.

Leer el caso

LaLiga

IndiaLends escala las operaciones para satisfacer la demanda

IndiaLends está acelerando el ritmo de sus operaciones internas y la resolución de consultas de los clientes con el análisis de la opinión.

Leer el caso

India Lends

Kotak Mahindra Bank acelera la productividad

Kotak Asset Management está transformando la administración del servicio de atención al cliente con bots que analizan fácilmente la línea del asunto, la información del cliente y el contenido del correo electrónico para identificar la opinión y desencadenar la siguiente acción más indicada.

Leer el caso

Kotak

Preguntas más frecuentes sobre Análisis de texto

  • Text Analytics detecta un gran número de idiomas, variantes y dialectos. Para obtener más información, consulte la documentación sobre los idiomas admitidos.
  • No, los modelos ya están entrenados. Las operaciones disponibles para los datos cargados son la puntuación, la extracción de frases clave y la detección del idioma. Para crear y hospedar modelos personalizados, explore el servicio Language Understanding.
  • Sí. El análisis de la opinión y la extracción de frases clave están disponibles para algunos idiomas y puede solicitar más idiomas en el foro de Text Analytics.
  • La extracción de frases clave elimina las palabras que no son esenciales y los adjetivos independientes. Las combinaciones de adjetivo-nombre, como "vistas espectaculares" o "tiempo nublado" se devuelven juntas. Por lo general, la salida se compone de sustantivos y objetos de la oración, y se muestra en orden de importancia. La importancia se mide por el número de veces que se menciona un determinado concepto o por la relación de ese elemento con otros del texto.
  • Cuando se realizan cambios importantes, se anuncian las mejoras de los modelos y los algoritmos. Si los cambios son menos importantes, simplemente se agregan al servicio. Con el tiempo, es posible que la misma entrada de texto produzca una puntuación de la opinión o una salida de frases clave diferentes. Se trata de una consecuencia normal e intencionada del uso de recursos de aprendizaje automático administrados en la nube.

Comience a usar Text Analytics