Tekstanalyser

En tekstutvinningstjeneste basert på kunstig intelligens som gir innsikt som sentimentanalyse, enheter, relasjoner og nøkkelfraser i ustrukturert tekst

Utvinn innsikt fra tekst

Utvinn innsikt i ustrukturert tekst ved å bruke behandling av naturlig språk. Du trenger ikke ekspertise innen maskinlæring. Få en dypere forståelse for kundemeninger med følelsesanalyse. Identifiser nøkkelfraser og enheter som for eksempel folk, steder og organisasjoner for å forstå vanlige emner og trender. Klassifiser medisinsk terminologi ved å bruke domenespesifikke, forhåndstrente modeller. Evaluer tekst i et stort spekter av språk.

Bred enhetsuttrekking

Identifiser viktige konsepter i tekst, deriblant nøkkeluttrykk og navngitte enheter som mennesker, hendelser og organisasjoner.

Effektiv sentimentanalyse

Undersøk hva kunder sier om varemerket ditt, og analyser sentimenter knyttet til spesifikke emner gjennom meningsutvinning.

Robust deteksjon av språk

Analyser tekstinndata på flere språk.

Fleksibel distribusjon

Kjør tekstanalyse hvor som helst – i skyen, lokalt eller på kanten i containere.

Språk: English (sikkerhet: 100 %)
Nøkkelord: 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
Stemning:
Dokument
MIXED
86%
Positiv
0%
Nøytral
14%
Negativ
Setning 1
POSITIVE
99%
Positiv
1%
Nøytral
0%
Negativ
Setning 2
POSITIVE
100%
Positiv
0%
Nøytral
0%
Negativ
Setning 3
POSITIVE
100%
Positiv
0%
Nøytral
0%
Negativ
Setning 4
POSITIVE
100%
Positiv
0%
Nøytral
0%
Negativ
Setning 5
POSITIVE
100%
Positiv
0%
Nøytral
0%
Negativ
Setning 6
NEUTRAL
0%
Positiv
100%
Nøytral
0%
Negativ
Setning 7
NEGATIVE
0%
Positiv
0%
Nøytral
100%
Negativ
Setning 8
POSITIVE
100%
Positiv
0%
Nøytral
0%
Negativ
Navngitte entiteter: 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]
PII-enheter: 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

Koblede entiteter: 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": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "detectedLanguage": {
          "name": "English",
          "iso6391Name": "en",
          "confidenceScore": 0.99
        }
      }
    ],
    "errors": [],
    "modelversion": "2021-01-05"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "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": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "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": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "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": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "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": "0d1e48a5-437f-4583-b0b4-3d20739c92c3",
        "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"
  }
}

Identifiser og kategoriser viktige konsepter

Trekk ut en rekke forhåndsbygde enheter, deriblant personer, steder, organisasjoner, dato/klokkeslett, tall og over 100 typer personlig identifiserbar informasjon, inkludert beskyttet helseinformasjon, i dokumenter ved hjelp av gjenkjenning av navngitte enheter.

Trekk ut nøkkelfraser i ustrukturert tekst

Evaluer og identifiser raskt hovedpunktene i en ustrukturert tekst. Få en liste over relevante uttrykk som best beskriver emnet for hver registrering ved å bruke uttrekking av nøkkelfraser. Organiser informasjon på en enkel måte for å forstå viktige emner og trender.

Forstå kundeoppfatning bedre

Analyser positive og negative sentimenter i sosiale medier, tilbakemeldinger fra kunder og andre kilder for å få inntrykk av merkevaren. Bruk meningsutvinning til å se nærmere på kundenes oppfatning av spesifikke attributter ved produkter og tjenester i tekst.

Prosesser ustrukturerte medisinske data

Trekk ut innsikt fra ustrukturerte kliniske dokumenter som legeattester, elektroniske journaler og pasientinntaksskjemaer ved å bruke funksjonen for helsetjenester i tekstanalyse, som er i forhåndsversjon. Gjenkjenn, klassifiser og avgjør forhold mellom medisinske konsepter som diagnoser, symptomer og medisindose og -frekvens.

Gjenkjenn språk i teksten din

Evaluer inndatatekst i et stort spekter av språk, varianter og dialekter ved å bruke språkgjenkjennings-funksjonen.

Distribuer hvor som helst, fra skyen til kanten

Kjør tekstanalyse der hvor dataene dine befinner seg. Bygg programmer som er optimalisert for både robuste skyfunksjoner og kantplasseringer ved å bruke containere.

Omfattende personvern og sikkerhet

  • Dine data blir dine. Microsoft samler ikke inn data fra opplæringen som utføres på teksten din, for å forbedre modeller.
  • Velg hvor kognitive tjenester prosesserer dine data med containere.
  • Tekstanalyse er støttet av Azure-infrastruktur og tilbyr derfor foretaksdimensjonert sikkerhet, tilgjengelighet, forskriftssamsvar og håndterbarhet.

Få kraften, kontrollen og tilpasningen du trenger, med fleksible priser

  • Betal bare for det du bruker – ingen forhåndskostnader.
  • Med tekstanalyse betaler du for forbruk basert på antall transaksjoner.

Ressurser og dokumentasjon for tekstanalyse

Kom i gang med læringsressurser

Anerkjent av selskaper i alle størrelser

KPMG strømlinjeformer svindelanalyser

KPMG hjelper finansinstitusjoner med å spare millioner i samsvarskostnader med risikoanalyseløsningen sin for kunder, som bruker tekstanalyse til å finne mønstre og nøkkelord og flagge samsvarsrisiko.

KPMG

Wilson Allen låser opp innsikt fra ustrukturerte data

Wilson Allen opprettet en kraftig AI-løsning som kan hjelpe juridiske og profesjonelle tjenesteselskaper verden rundt med å finne enestående innsikt i det som før har vært adskilte og ustrukturerte data.

Wilson Allen

IHC styrker tjenesteingeniører

Royal IHC bruker kognitivt søk og tekstanalyse fra Azure for å lette ingeniørene for tidkrevende manuelle datasøk på tvers av atskilte kilder og gir dem innsikt i sine strukturerte og ustrukturerte data.

Royal IHC

LaLiga øker engasjementet fra tilhengerne

LaLiga engasjerer flere hunder millioner fans over hele verden med en personlig digital assistent ved å bruke tekstanalyse til å prosessere innkommende forespørsler og bestemme brukernes hensikter på flere språk.

LaLiga

TIBCO setter analyse av opprinnelig årsak på spissen

TIBCO bruker tekstanalyse og avviksdetektor til å oppdage og analysere avvik – som å oppdage plutselige endringer i datamønstre, finne rotårsaker og gi forslag til handlinger.

TIBCO

Kotak Mahindra Bank akselererer produktiviteten

Kotak aktivastyring transformerer administrasjon av kundeservice ved å gjøre chatboter i stand til å analyserer emnefelt, kundeinformasjon og e-postinnhold på en enkel måte slik at de kan identifisere stemningen og utløse den påfølgende beste handlingen.

Kotak

Vanlige spørsmål om Tekstanalyser

  • Tekstanalyse oppdager et stort spekter av språk, varianter og dialekter. Se språkstøttedokumentasjonen for mer informasjon.
  • Ja. Stemningsanalyse og uttrekking av nøkkelfraser er tilgjengelig for et velg antall språk, og du kan be om ytterligere språk i Tekstanalyseforumet.
  • Uttrekking av nøkkelfraser utelukker mindre viktige ord og frittstående adjektiver. Kombinasjoner av adjektiv-substantiv som for eksempel «fantastisk utsikt» eller «tåkete vær» returneres sammen. Generelt består resultatet av substantiver og objekter i setningen og listes opp etter viktighet. Viktighet måles ved antall ganger et spesielt tema nevnes eller forholdet mellom det elementet og et annet element i teksten.
  • Forbedringer av modeller og algoritmer kunngjøres hvis endringen er alvorlig og legges til tjenesten hvis oppdateringen er liten. Over tid kan du oppleve av samme inndatatekst resulterer i en ulik følelses-score eller nøkkelfraser. Dette er en normal og villet konsekvens av å bruke administrert maskinlæringsressurser i skyen.
  • Ja, nå kan du bruke forhåndsversjonen av analyseoperasjonen til å kombinere flere tekstanalysefunksjoner i samme asynkrone kall. Analyseoperasjonene er for øyeblikket bare tilgjengelige på Standard-prisnivået (S), og de følger de samme prisvilkårene som S-nivået.

Komme i gang med tekstanalyse