Navigáció kihagyása

Szövegelemzés

A Cognitive Service for Language funkcióinak olyan csoportja, amelyekkel kinyerhetők, osztályozhatók és értelmezhetők a dokumentumokban található szövegek

Betekintő adatok kinyerése szövegekből természetes nyelvi feldolgozással (NLP)

A Cognitive Service for Language részeként elérhető funkciógyűjtemény, a szövegelemzés használatával betekintő adatokhoz juthat strukturálatlan szövegekből természetes nyelvi feldolgozással – melyhez gépi tanulási szakértelemre sincs szükség. Hangulatelemzéssel behatóbb ismereteket szerezhet ügyfelei véleményéről. Azonosíthatja a fontos kifejezéseket és entitásokat, például személyeket, helyeket és szervezeteket, így megismerheti a gyakori témaköröket és trendeket. Orvosi szakkifejezések osztályozása témakör-specifikus, előre betanított modellekkel. Számos nyelven írt szöveget kiértékelhet.

Széles körű entitásfelismerés

Azonosíthatja a szöveg lényeges fogalmi elemeit, többek között a kulcskifejezéseket és az olyan nevesített entitásokat, mint a személyek, események és szervezetek.

Hatékony hangulatelemzés

A véleménybányászattal megvizsgálhatja, milyen vélemények hangzanak el az ügyfelek között a márkanévvel kapcsolatban, és azonosíthatja milyen hangulatok kapcsolódnak az adott témakörökhöz.

Dokumentumok összegzése

Olyan mondatokat nyerhet ki, amelyek együttesen egy dokumentum lényegét fedik le.

Orvosi szöveg feldolgozása

Strukturálatlan orvosi szövegben tárolt megállapítások valós idejű és kötegelt elemzésének kinyerése és feldolgozása.

A fontos fogalmak azonosítása és kategorizálása

A nevesített entitások felismerésével előre létrehozott entitások széles skáláját nyerheti ki a dokumentumokból, többek között olyanokat, mint a személyek, helyek, szervezetek, dátumok és időpontok, számok és több mint 100 személyazonosításra alkalmas adattípus (például védett egészségügyi adatok).

Strukturálatlan szövegek leglényegesebb elemeinek azonosítása

Gyorsan kiértékelheti és azonosíthatja a strukturálatlan szövegek főbb elemeit. A kulcsszókeresési funkció használatával megtekintheti az egyes szakaszokat legjobban leíró releváns kifejezések listáját. A kivonatoló összegzés (előzetes verzió) segítségével azonosíthatja azokat a mondatokat, amelyek a legjobban közvetítik egy adott dokumentum fő mondanivalóját.

Ismerje meg jobban ügyfelei véleményét

A közösségi médiában, a vásárlói véleményekben és egyéb forrásokban megnyilvánuló pozitív és negatív érzelmek elemzése révén tájékozódhat arról, hogy mások miként vélekednek a márkájáról. A véleménybányászat segítségével megrudhatja, hogy a vásárlók milyen véleménnyel vannak a termékek vagy szolgáltatások meghatározott jellemzőiről.

Strukturálatlan egészségügyi adatok feldolgozása

Az egészségügyi szövegelemzéssel olyan strukturálatlan klinikai dokumentumokból nyerhet ki adatokat, mint az orvosi jegyzetek, az elektronikus egészségügyi kartonok és a betegfelvételi űrlapok. Felismerheti, besorolhatja és meghatározhatja az orvosi fogalmak, például a diagnózis, a tünetek és a gyógyszeradagolás közötti összefüggéseket.

Természetes kommunikációs réteget hozhat létre adataiból

Válaszokat kaphat a kérdésekre félig strukturált és strukturálatlan tartalmakból, többek között URL-címekből, GYIK-tartalmakból, termékek kézikönyveiből, blogokból, támogatási dokumentumokból.

A munkafolyamat automatizálása

A tartományspecifikus címkéket használó egyéni szövegbesorolással automatikusan besorolhatja a strukturálatlan szövegeket a megalapozottabb döntéshozatal érdekében.

Átfogó adatvédelem és biztonság

  • Adatai az Ön tulajdonában maradnak. A Microsoft nem használja fel a szövegen végrehajtott betanítást más modellek javítására.
  • A tárolókkal meghatározhatja, hogy a Cognitive Services hol dolgozza fel az adatait.
  • Az Azure infrastruktúráján alapuló szövegelemzés ipari szintű biztonságot, rendelkezésre állást, megfelelőséget és kezelhetőséget biztosít.

Igény szerinti hatékonyság, vezérlés és testreszabás rugalmas díjszabással

  • Használatalapú fizetés a tranzakciók száma alapján, előzetes költségek nélkül.

Források és dokumentáció a szövegelemzéshez

A népszerű fejlesztői forrásanyagok áttekintése

Kis- és nagyvállalatok bizalmát egyaránt élvezi

A KPMG leegyszerűsíti a csalási ügyek elemzését

A KPMG segít a pénzügyi intézeteknek milliókat spórolni megfelelőségi költségeiken egyedi ügyfél-kockázatelemzési megoldásával, amely szövegelemzés használatával bizonyos szöveges minták és kulcsszavak előfordulását észlelve jelzi a megfelelőségi kockázatokat.

KPMG

A Wilson Allen a strukturálatlan adatokból származó betekintő adatokat tesz elérhetővé

A Wilson Allen egy olyan AI-megoldást hozott létre, amely abban segíti a jogi és szakmai szolgáltatásokat kínáló vállalatokat a világ minden táján, hogy a korábban elkülönített és strukturálatlan adatokból minden eddiginél jobb betekintő adatokat nyerhessenek ki.

Wilson Allen

Az egészségügyi szolgáltató javítja a betegellátást

A Kepro az egészségügyi szövegelemzés révén gyors és pontos betekintő adatokkal javítja az egészségügyi ellátási folyamatot.

Kepro

A LaLiga növeli a rajongók elkötelezettségét

A LaLiga világszerte több millió rajongót szólít meg személyes digitális asszisztensével, és a Text Analytics használatával dolgozza fel a számos nyelven beérkező lekérdezéseket és határozza meg a felhasználók szándékát.

LaLiga

A felhasználói élmény javítása

A Progressive Insurance az Azure AI révén magasabb szintre emeli a csevegőrobot-használatot, és javítja az ügyfélélményt.

Progressive

A Text Request nagy méretekben képes értelmezni a hangulatokat

A szoftverszolgáltató reagál az ügyfélhangulatra, és pozitív marketingélményeket hoz létre.

Text Request

Gyakori kérdések – Text Analytics

  • A Text Analytics számos nyelvet, nyelvváltozatot és dialektust képes észlelni. További információért tekintse meg a nyelvi támogatás dokumentációját.
  • Igen. Az érzelemelemzés és a kulcsszókeresés csupán adott nyelveken érhető el, a további nyelvek támogatásával kapcsolatos igényeit a Text Analytics fórumán jelezheti.
  • A kulcsszókeresés kizárja a kevésbé lényeges szavakat és az önálló jelzőket. A melléknév-főnév kombinációk (például "lenyűgöző kilátás" vagy "ködös időjárás") együtt lesznek visszaadva. A kimenet általában a mondatok főneveiből és tárgyaiból áll, és fontosság szerint van sorba rendezve. A fontosságot a rendszer az adott fogalom előfordulásának száma alapján, illetve az adott elem és a szöveg más elemeinek viszonya alapján méri.
  • A modellekkel és algoritmusokkal kapcsolatos fejlesztéseket mindenképp bejelentjük, ha a módosítások jelentősek, ha pedig kisebb mértékű frissítésről van szó, akkor egyszerűen csak hozzáadjuk a szolgáltatáshoz. Előfordulhat, hogy idővel ugyanaz a szöveges bevitel már más hangulati pontszámot vagy kulcskifejezést fog eredményezni. Ez a felügyelt gépi tanulási erőforrások felhőbeli használatának normális és szándékos következménye.
  • Igen, használhatja az elemzés műveletet előzetes verzióban, amellyel egynél több Text Analytics-funkciót használhat ugyanabban az aszinkron hívásban. Az elemzés művelet jelenleg csak a standard díjszabási szinten érhető el, és ugyanazok a díjszabási feltételek vonatkoznak rá.

Ismerkedés a szövegelemzéssel