Analiza tekstu

Usługa sztucznej inteligencji, która udostępnia szczegółowe informacje o tonacji, jednostkach i kluczowych frazach w postaci tekstu bez struktury

Wyodrębniaj szczegółowe informacje z tekstu

Wyodrębniaj szczegółowe informacje z tekstu bez struktury przy użyciu przetwarzania języka naturalnego — nie jest wymagana wiedza dotycząca uczenia maszynowego. Identyfikuj kluczowe frazy i jednostki, takie jak osoby, miejsca i organizacje, aby poznać typowe tematy i trendy. Uzyskuj lepszy wgląd w opinie klientów dzięki analizie tonacji. Oceniaj tekst w różnych językach.

Szerokie wyodrębnianie jednostek

Identyfikuj ważne pojęcia w tekście, w tym kluczowe frazy i nazwane jednostki.

Zaawansowana analiza tonacji

Sprawdź, jakie zdanie mają klienci o Twojej marce, i wykryj tonację dla określonych tematów.

Niezawodne wykrywanie języka

Oceniaj tekstowe dane wejściowe w różnych językach.

Elastyczne wdrożenia

Uruchamiaj analizę tekstu w dowolnym miejscu — w chmurze, w środowisku lokalnym lub na urządzeniach brzegowych w kontenerach.

  1. Analizowany tekst
  2. JSON
Języki: English (ufność: 100%)
Kluczowe frazy: 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
Opinia:
Dokument
MIXED
86%
Pozytywna
0%
Obojętność
14%
Negatywna
Zdanie 1
POSITIVE
99%
Pozytywna
1%
Obojętność
0%
Negatywna
Zdanie 2
POSITIVE
100%
Pozytywna
0%
Obojętność
0%
Negatywna
Zdanie 3
POSITIVE
100%
Pozytywna
0%
Obojętność
0%
Negatywna
Zdanie 4
POSITIVE
100%
Pozytywna
0%
Obojętność
0%
Negatywna
Zdanie 5
POSITIVE
100%
Pozytywna
0%
Obojętność
0%
Negatywna
Zdanie 6
NEUTRAL
0%
Pozytywna
100%
Obojętność
0%
Negatywna
Zdanie 7
NEGATIVE
0%
Pozytywna
0%
Obojętność
100%
Negatywna
Zdanie 8
POSITIVE
100%
Pozytywna
0%
Obojętność
0%
Negatywna
Nazwane jednostki: 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]
Jednostki danych osobowych: Type: Person
Value: John Doe

Type: URL
Value: www.contososteakhouse.com

Type: Phone Number
Value: 312-555-0176

Type: Email
Value: order@contososteakhouse.com

Połączone jednostki: 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": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "detectedLanguages": [
          {
            "name": "English",
            "iso6391Name": "en",
            "score": 1.0
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2019-10-01"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "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": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "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": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "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": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "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": "4d7dbada-abe8-454c-83d2-fff9c58d8686",
        "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"
  }
}

Identyfikowanie i kategoryzowanie ważnych pojęć

Klasyfikuj szeroki zakres jednostek w tekście, na przykład osoby, miejsca, organizacje, data/godzina i wartości procentowe, za pomocą rozpoznawania jednostek nazwanych. Wykrywaj i wyodrębniaj z dokumentów ponad 100 typów informacji umożliwiających identyfikację użytkowników oraz ponad 80 typów chronionych informacji medycznych. Przyspiesz dostęp do szczegółowych informacji dzięki wstępnie utworzonym modelom wyodrębniania jednostek.

Wyodrębnianie kluczowych fraz w tekście bez struktury

Szybko oceniaj i identyfikuj główne elementy w tekście bez struktury. Uzyskaj listę odpowiednich fraz, które najlepiej opisują tematy poszczególnych rekordów, przy użyciu funkcji wyodrębniania kluczowych fraz. Łatwo ściągaj i organizuj informacje, aby zrozumieć ważne tematy i trendy.

Lepsze zrozumienie odbioru klientów

Wykrywaj pozytywne i negatywne tonacje w mediach społecznościowych, recenzjach klientów i innych źródłach, aby móc reagować na sposób postrzegania marki.

Wdrażanie z dowolnego miejsca z chmury do brzegu

Uruchamiaj funkcję analizy tekstu wszędzie tam, gdzie znajdują się Twoje dane. Twórz aplikacje, które są zoptymalizowane pod kątem zarówno niezawodnych funkcji chmury, jak i lokalnego charakteru urządzeń brzegowych, przy użyciu kontenerów.

Kompleksowa ochrona prywatności i zabezpieczenia

  • Twoje dane pozostają Twoje. Firma Microsoft nie korzysta z trenowania wykonywanego na Twoim tekście w celu ulepszenia modeli.
  • Wybierz, gdzie usługi Cognitive Services przetwarzają Twoje dane w kontenerach.
  • Wspierana przez infrastrukturę platformy Azure, funkcja analizy tekstu oferuje zabezpieczenia, dostępność, zgodność i możliwość zarządzania klasy korporacyjnej.

Uzyskaj potrzebną Ci moc, kontrolę i dostosowania w elastycznych cenach

  • Płać wyłącznie za rzeczywiste użycie bez kosztów ponoszonych z góry.
  • Za funkcję analizy tekstu płacisz zgodnie z rzeczywistym użyciem na podstawie liczby transakcji.

Zaufanie firm każdej wielkości

KPMG upraszcza analizę oszustw

Firma KPMG pomaga instytucjom finansowym zaoszczędzić miliony dzięki obniżeniu kosztów związanych z zapewnieniem zgodności. Jej rozwiązanie do analizy ryzyka dotyczącego klientów wykrywa określone wzorce tekstowe i słowa kluczowe, aby oflagować zagrożenia zgodności.

Przeczytaj historię

KPMG

Securex dostarcza płynnie działające środowiska klientów

Firma Securex korzysta z funkcji analizy tekstu do analizowania i automatycznego klasyfikowania przychodzących wiadomości e-mail według tematu, określania ich priorytetu, a następnie dostarczania do odpowiednich odbiorców.

Przeczytaj historię

SecureX

IHC wspiera inżynierów ds. usług

Firma Royal IHC korzysta z usługi Azure Cognitive Search i funkcji analizy tekstu, aby usprawnić czasochłonną pracę inżynierów ręcznie wyszukujących dane w różnych źródłach i zapewnić im wgląd w szczegółowe dane, zarówno ustrukturyzowane, jak i bez struktury.

Przeczytaj historię

Royal IHC

LaLiga zwiększa zaangażowanie fanów

Organizacja LaLiga obsługuje setki milionów fanów na całym świecie za pomocą osobistego asystenta cyfrowego. Korzysta on z funkcji analizy tekstu do przetwarzania nadsyłanych zapytań i określania intencji użytkowników w wielu językach.

Przeczytaj historię

LaLiga

IndiaLends skaluje operacje w celu spełnienia oczekiwań

Firma IndiaLends przyspiesza tempo wykonywania operacji wewnętrznych i rozpoznawania zapytań klientów za pomocą analizy tonacji.

Przeczytaj historię

India Lends

Kotak Mahindra Bank zwiększa produktywność

Dział zarządzania zasobami w firmie Kotak przekształca sposób zarządzania obsługą klientów, włączając w ten proces czatboty, które z łatwością analizują wiersz tematu, informacje o kliencie i treść wiadomości e-mail w celu zidentyfikowania tonacji i wyzwolenia następnej najlepszej akcji.

Przeczytaj historię

Kotak

Często zadawane pytania na temat produktu Analiza tekstu

  • Funkcja analizy tekstu wykrywa szeroką gamę języków, wariantów i dialektów. Więcej informacji zawiera dokumentacja obsługi języków.
  • Nie, modele są wstępnie wytrenowane. Operacje oceniania, wyodrębniania kluczowych fraz i wykrywania języka są dostępne dla przekazanych danych. Aby tworzyć i hostować modele niestandardowe, użyj usługi Language Understanding.
  • Tak. Analiza tonacji i wyodrębnianie kluczowych fraz są dostępne dla wybranej liczby języków. Możesz poprosić o dodatkowe języki na forum funkcji analizy tekstu.
  • Funkcja wyodrębniania kluczowych fraz eliminuje nieistotne słowa i autonomiczne przymiotniki. Kombinacje przymiotników i rzeczowników, takie jak „spektakularne widoki” czy „mglista pogoda”, są zwracane razem. Zasadniczo dane wyjściowe składają się z rzeczowników oraz obiektów zdania i są uporządkowane według ważności. Ważność jest mierzona według liczby przypadków, w których wymieniono konkretne pojęcie, lub według relacji elementu względem innych elementów w tekście.
  • Udoskonalenia modeli i algorytmów są ogłaszane, jeśli zmiana jest istotna, lub dodawane do usługi, jeśli aktualizacja jest niewielka. W miarę upływu czasu może się okazać, że te same dane wejściowe dają inne wyniki tonacji lub zwracają inne kluczowe frazy. Jest to normalne i celowe zachowanie będące konsekwencją korzystania z zarządzanych zasobów uczenia maszynowego w chmurze.

Rozpoczynanie pracy z funkcją analizy tekstu