Textanalys

En AI-tjänst som upptäcker insikter som sentiment, entiteter och nyckelfraser i ostrukturerad text

Utvinn insikter från text

Få insikter från ostrukturerad text med bearbetning av naturligt språk (NLP), även om du inte är expert på maskininlärning. Identifiera nyckelfraser och entiteter som personer, platser och organisationer för att förstå vanliga ämnen och trender. Klassificera medicinsk terminologi med hjälp av domänspecifika modeller som har tränats i förväg. Få djupare förståelse för kundernas åsikter med sentimentanalys. Utvärdera text på en mängd olika språk.

Bred extrahering av entiteter

Identifiera viktiga begrepp i text, inklusive nyckelfraser och namngivna entiteter såsom personer, platser och organisationer.

Kraftfull sentimentanalys

Utforska vad kunderna säger om ditt varumärke och identifiera sentiment kring specifika ämnen.

Robust språkidentifiering

Utvärdera textindata på en mängd olika språk.

Flexibel distribution

Kör Textanalys var som helst – i molnet, lokalt eller i containrar på gränsenheter.

  1. Analyserad text
  2. JSON
Språk: English (säkerhet: 100 %)
Nyckelfraser: 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
Sentiment:
Dokument
MIXED
86%
Positiv
0%
Neutral
14%
Negativ
Mening 1
POSITIVE
99%
Positiv
1%
Neutral
0%
Negativ
Mening 2
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Mening 3
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Mening 4
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Mening 5
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Mening 6
NEUTRAL
0%
Positiv
100%
Neutral
0%
Negativ
Mening 7
NEGATIVE
0%
Positiv
0%
Neutral
100%
Negativ
Mening 8
POSITIVE
100%
Positiv
0%
Neutral
0%
Negativ
Namngivna entiteter: 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]
PII-entiteter: Type: Person
Value: John Doe

Type: URL
Value: www.contososteakhouse.com

Type: Phone Number
Value: 312-555-0176

Type: Email
Value: order@contososteakhouse.com

Länkade 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": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "detectedLanguages": [
          {
            "name": "English",
            "iso6391Name": "en",
            "score": 1.0
          }
        ]
      }
    ],
    "errors": [],
    "modelversion": "2019-10-01"
  },
  "keyPhrases": {
    "documents": [
      {
        "id": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "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": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "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": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "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": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "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": "bc90c8a6-4063-4410-b49d-777f5a103e85",
        "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": "2020-07-01"
  }
}

Identifiera och kategorisera viktiga begrepp

Klassificera ett stort antal entiteter i text, som personer, platser, organisationer, datum/tid och procentandelar, med identifiering av namngivna entiteter. Identifiera och extrahera över 100 typer av personligt identifierbar information (PII), inklusive skyddad hälsoinformation (PHI) i dokument.

Extrahera nyckelfraser i ostrukturerad text

Utvärdera och identifiera snabbt de viktigaste delarna i ostrukturerad text. Få en lista med relevanta fraser som bäst beskriver innehållet i varje post med extrahering av nyckelfraser. Du kan enkelt hämta och organisera information för att förstå viktiga ämnen och trender.

Få bättre förståelse för kundernas uppfattning

Identifiera positiva och negativa sentiment i sociala medier, kundenkäter och andra källor när du vill känna ditt varumärke på pulsen. Använd åsiktsutvinning för att ta reda på vad kunderna tycker om olika aspekter i text, t.ex. specifika produkt- eller tjänstattribut.

Bearbeta ostrukturerade medicinska data

Få insikter från ostrukturerade kliniska dokument, t.ex. läkaranteckningar, elektroniska hälsojournaler och patientinskrivningsformulär, med hjälp av hälsofunktionen i Textanalys (skyddad offentlig förhandsversion). Identifiera, klassificera och fastställ relationer mellan medicinska begrepp såsom diagnos, symptom och frekvens och dosering av läkemedel.

Identifiera språk i text

Utvärdera textinmatning på många olika språk, varianter och dialekter med hjälp av språkidentifieringsfunktionen.

Distribuera var som helst, från molnet till gränsen

Kör Textanalys oavsett var dina data finns. Skapa appar som är optimerade för både robusta molnfunktioner och lokala gränsenheter med hjälp av containrar.

Omfattande sekretess och säkerhet

  • Dina data förblir dina. Microsoft använder inte träningen som utförs på din text till att förbättra modeller.
  • Välj var Cognitive Services bearbetar dina data med containrar.
  • Textanalys bygger på Azures infrastruktur och ger dig säkerhet, tillgänglighet, regelefterlevnad och hanteringsfunktioner i företagsklass.

Få den kraft, kontroll och anpassning du behöver med flexibel prissättning

  • Betala endast för det du använder – utan startkostnader.
  • Med Textanalys betalar du per användning baserat på antalet transaktioner.

Betrott av företag i alla storlekar

KPMG effektiviserar sin bedrägerianalys

KPMG hjälper finansinstitut att spara miljoner i efterlevnadskostnader med sin lösning Customer Risk Analytics, som identifierar specifika textmönster och nyckelord för att flagga efterlevnadsproblem.

Läs berättelsen

KPMG

Wilson Allen möjliggör insikter från ostrukturerade data

Wilson Allen skapade en kraftfull AI-lösning som kan hjälpa bolag inom juridiska och professionella tjänster runtom i världen att hitta oöverträffade insiktsnivåer i data som tidigare var åtskilda och ostrukturerade.

Läs berättelsen

Wilson Allen

IHC gör livet enklare för sina servicetekniker

Royal IHC använder Azure Cognitive Search och Textanalys så att deras tekniker ska slippa utföra tidskrävande manuella datasökningar i olika källor och ge dem insikter om strukturerade och ostrukturerade data.

Läs berättelsen

Royal IHC

LaLiga interagerar med fansen

LaLiga interagerar med hundratals miljoner fans runt om i världen via en personlig digital assistent, som använder Textanalys till att bearbeta inkommande frågor och fastställa användarnas avsikter på flera olika språk.

Läs berättelsen

LaLiga

TIBCO tar rotorsaksanalysen till gränsen

TIBCO använder Textanalys och Avvikelseidentifiering för att identifiera och analysera avvikelser – plötsliga ändringar i datamönster – med identifiering av rotorsaker samt förslag på åtgärder.

Läs berättelsen

TIBCO

Kotak Mahindra Bank förbättrar sin produktivitet

Kotak Asset Management transformerar hanteringen av sin kundtjänst genom att använda chattrobotar till att analysera ämnesrader, kundinformation och innehåll i e-post för att identifiera sentiment och fastställa nästa lämpliga åtgärd.

Läs berättelsen

Kotak

Vanliga frågor om Textanalys

  • Textanalys kan identifiera en mängd olika språk, varianter och dialekter. Mer information finns i dokumentationen om språkstöd.
  • Nej, modellerna är tränade i förväg. Poängsättning, extrahering av nyckelfraser och språkidentifieringsåtgärder är tillgängliga för överförda data. Om du vill skapa och köra anpassade modeller ska du ta en titt på tjänsten Language Understanding.
  • Ja. Sentimentanalys och extrahering av nyckelfraser är tillgängliga för ett antal språk, och du kan begära ytterligare språk på Textanalys-forumet.
  • Vid extrahering av nyckelfraser elimineras en del mindre viktiga ord och fristående adjektiv. Kombinationer av adjektiv och substantiv, som ”fantastisk utsikt” eller ”dimmigt väder” returneras tillsammans. I allmänhet består utdata av meningens substantiv och objekt i prioritetsordning. Prioriteten mäts som antalet gånger ett visst begrepp anges eller relationen mellan elementet och andra element i texten.
  • Förbättringar av modeller och algoritmer tillkännages om det är en större ändring, och läggs helt enkelt till i tjänsten om det är en mindre uppdatering. Med tiden kanske du märker att samma indata ger en annan sentimentpoäng eller andra nyckelfraser. Det här är normalt och beror på användningen av hanterade maskininlärningsresurser i molnet.

Kom igång med Textanalys