Análise de Texto

Um serviço de IA que desvenda informações como sentimentos, entidades, relações e expressões-chave em texto não estruturado.

Extraia informações do texto

Detete informações em texto não estruturado com o processamento de linguagem natural (NLP) e sem precisar de conhecimentos de machine learning. Identifique expressões-chave e entidades como pessoas, sítios e organizações para compreender tópicos comuns e tendências. Classifique terminologia médica utilizando modelos pré-preparados e específicos do domínio. Compreenda melhor as opiniões dos clientes com a análise de sentimentos. Avalie o texto numa ampla gama de idiomas.

Ampla extração de propriedades

Identifique conceitos importantes no texto, incluindo expressões-chave e entidades nomeadas, como pessoas, eventos e organizações.

Análise de sentimentos avançada

Examine o que os clientes dizem da sua marca e detete os sentimentos relativos a certos tópicos através da extração de opiniões.

Deteção de idiomas robusta

Avalie entradas de texto numa ampla gama de idiomas.

Implementação flexível

Execute a Análise de Texto em qualquer local, seja na cloud, no local ou no edge em contentores.

Idiomas: English (confiança: 100%)
Frases-chave: 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
Sentimento:
Documento
MIXED
86%
Positivo
0%
Neutro
14%
Negativo
Frase 1
POSITIVE
99%
Positivo
1%
Neutro
0%
Negativo
Frase 2
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 3
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 4
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 5
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Frase 6
NEUTRAL
0%
Positivo
100%
Neutro
0%
Negativo
Frase 7
NEGATIVE
0%
Positivo
0%
Neutro
100%
Negativo
Frase 8
POSITIVE
100%
Positivo
0%
Neutro
0%
Negativo
Entidades Nomeadas: 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]
Entidades PII: 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

Entidades Ligadas: 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": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "detectedLanguage": {
          "name": "English",
          "iso6391Name": "en",
          "confidenceScore": 1.0
        }
      }
    ],
    "errors": [],
    "modelversion": "2021-01-05"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "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": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "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": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "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": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "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": "c3b55810-4282-47e2-b9f2-eae4e08802be",
        "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"
  }
}

Identifique e categorize conceitos importantes

Extraia uma vasta gama de entidades criadas previamente, como pessoas, locais, organizações, data/hora, números e mais de 100 tipos de PII (informação pessoal), incluindo PHI (informações de saúde protegidas), em documentos com o reconhecimento de entidades nomeadas.

Extraia expressões-chave em texto não estruturado

Avalie e identifique rapidamente as ideias principais em texto não estruturado. Obtenha uma lista de expressões relevantes que melhor descrevem o assunto de cada registo com a extração de expressões-chave. Organize facilmente informações para dar sentido a tópicos importantes e tendências.

Compreenda melhor a perceção dos clientes

Detete sentimentos positivos e negativos em redes sociais, avaliações de clientes e outras fontes para ter uma noção do reconhecimento da sua marca. Utilize a extração de opiniões para explorar a perceção dos clientes sobre atributos específicos de produtos ou serviços, apresentados no texto.

Processar dados médicos não estruturados

Extraia informações de documentos clínicos não estruturados, como notas médicas, registos de saúde eletrónicos e formulários de admissão de pacientes, através da funcionalidade de saúde da Análise de Texto em pré-visualização. Reconheça, classifique e determine relações entre conceitos médicos, como diagnóstico, sintomas, dosagem e frequência da medicação.

Detetar o idioma do texto

Avalie a introdução de texto numa grande diversidade de idiomas, variantes e dialetos ao utilizar a funcionalidade de deteção de idioma.

Implemente em qualquer lado, desde a cloud à periferia

Execute a Análise de Texto onde quer que os seus dados estejam. Crie aplicações otimizadas tanto para capacidades de cloud robustas como para localidades no edge mediante a utilização de contentores.

Privacidade e segurança abrangente

  • Os seus dados permanecem seus. A Microsoft não utiliza as preparações feitas no seu texto para melhorar os modelos.
  • Escolha se os Serviços Cognitivos processam os seus dados com contentores.
  • Apoiada pela infraestrutura do Azure, a Análise de Texto oferece segurança, disponibilidade, conformidade e capacidade de gestão de nível empresarial.

Obtenha o poder, controlo e personalização de que necessita com preços flexíveis

  • Pague apenas pelo que utilizar, sem custos à cabeça.
  • Com a Análise de Texto, paga o que utiliza com base no número de transações.

Recursos e documentação sobre a Análise de Texto

Comece a utilizar com os recursos de aprendizagem

Leia a nossa documentação

Faça os cursos do Microsoft Learn

Explore recursos populares para programadores

Veja os nossos exemplos de código

Veja o nosso artigo Conectores do Power Automate

Veja o nosso webinar de análise para centros de atendimento

Alvo da confiança de empresas de todas as dimensões

A KPMG uniformiza as análises a fraudes

A KPMG ajuda as instituições financeiras a poupar milhões em custos de compliance com a sua solução Customer Risk Analytics, que deteta padrões de texto e palavras-chave específicas para sinalizar riscos de compliance.

KPMG

Wilson Allen desbloqueia informações de dados não estruturados

Wilson Allen criou uma poderosa solução de IA que pode ajudar as empresas de advogados e de serviços profissionais em todo o mundo a encontrar níveis sem precedentes de informações em dados anteriormente isolados e não estruturados.

Wilson Allen

A IHC capacita os engenheiros de manutenção

A Royal IHC utiliza o Azure Cognitive Search e a Análise de Texto para aliviar os engenheiros da tarefa de realizar pesquisas manuais e morosas em dados a partir de diferentes origens e para lhes dar informações baseadas nos dados estruturados e não estruturados.

Royal IHC

A LaLiga reforça o envolvimento com os fãs

A LaLiga interage com centenas de milhões de fãs em todo o mundo com um assistente digital pessoal e utiliza a Análise de Texto para processar consultas recebidas e determinar as intenções dos utilizadores em vários idiomas.

LaLiga

A TIBCO traz a análise de causas raiz para a periferia

A TIBCO está a utilizar a Análise de Texto e o Detetor de Anomalias para detetar e analisar anomalias: mudanças repentinas nos padrões de dados, deteção de causas raiz e recomendações de ações sugeridas.

TIBCO

O Kotak Mahindra Bank acelera a produtividade

A Kotak Asset Management está a transformar a gestão de apoio ao cliente ao recorrer a chatbots para analisar facilmente a linha de assunto, as informações dos clientes e os conteúdos dos e-mails para identificar sentimentos e acionar a ação mais adequada.

Kotak

Perguntas mais frequentes sobre o Análise de Texto

  • A Análise de Texto deteta um grande número de idiomas, variantes e dialetos. Veja a documentação de suporte de idiomas para obter mais informações.
  • Sim. A análise de sentimentos e a extração de expressões-chave estão disponíveis para um determinado número de idiomas e pode pedir mais idiomas no Fórum da Análise de Texto.
  • A extração de expressões-chave elimina palavras não essenciais e adjetivos isolados. As combinações adjetivo-nome, como "vistas espetaculares" ou "tempo nublado", são devolvidas em conjunto. De um modo geral, a saída consiste em nomes e complementos da frase e é listada por ordem de importância. A importância é determinada pelo número de vezes que um determinado conceito é mencionado ou pela relação desse elemento com outros elementos do texto.
  • Os melhoramentos aos modelos e aos algoritmos são anunciados, se a alteração for significativa, e adicionados ao serviço, se a atualização for menor. Ao longo do tempo, pode reparar que a mesma entrada de texto resulta numa classificação de sentimento ou numa saída de expressão-chave diferente. Esta é uma consequência normal e intencional da utilização de recursos geridos de machine learning na cloud.
  • Sim, agora pode utilizar a operação de análise na Pré-visualização para combinar mais de uma funcionalidade da Análise de Texto na mesma chamada assíncrona. Atualmente, a operação de análise só está disponível no escalão de preço Standard (S) e segue os mesmos critérios de preço do escalão S.

Introdução à Análise de Texto