跳过导航

文本分析

语言认知服务的一组功能,用于提取、分类和理解文档中的文本

使用自然语言处理 (NLP) 从文本中获取见解

通过文本分析(语言认知服务的功能集合),使用 NLP 在非结构化文本中发现见解 - 无需机器学习专业知识。使用情绪分析更深入地了解客户意见。标识关键短语和实体(如人员、位置和组织),以了解常见主题和趋势。使用特定于域的预训练模型对医疗术语进行分类。评估各种语言的文本。

广泛的实体识别

标识文本中的重要概念,包括关键短语和命名实体,例如人员、事件和组织。

强大的情绪分析

通过观点挖掘检查客户对你的品牌的看法,并围绕特定主题分析情绪。

文档摘要

提取共同传达文档重点内容的句子。

处理医学文本

提取并处理存储在非结构化医学文本中的见解的实时和批分析。

对重要概念进行标识和分类

使用命名实体识别功能,在文档中提取大量预建实体,例如人员、地点、组织、日期/时间、数字和 100 多种类型的个人身份信息(PII),其中包括受保护的健康信息(PHI)。

标识非结构化文本中的要点

快速评估并标识非结构化文本中的要点。使用关键短语提取获取最能准确描述文章的相关短语列表。或使用提取式摘要(预览版)标识最能准确描述文档要点的句子。

更好地了解客户感知

在社交媒体、客户评论和其他源中分析正面和负面情绪,以了解你的品牌。使用观点挖掘在文本中探索客户在产品或服务的特定属性方面的看法。

处理非结构化医疗数据

使用针对医疗的文本分析,从医生笔记、电子病例和患者接待表等非结构化临床文档中提取见解。对医学概念(例如诊断、症状、剂量和服药频率)进行识别和分类,并确定其间的关系。

创建基于数据的对话层

获取半结构化和非结构化内容(如 URL、常见问题解答、产品手册、博客、支持文档等)中问题的答案。

自动操作工作流

使用域专属标签来改进决策制定,通过自定义文本分类自动对非结构化文本和文档进行分类。

全面保障隐私和安全

  • 你的数据总会是你的。Microsoft 不会使用对文本执行的训练来改进模型。
  • 选择认知服务使用容器处理数据的位置。
  • 文本分析由 Azure 基础结构提供支持,提供了企业级的安全性、可用性、合规性及可管理性。

通过灵活的定价获取所需的功能、控制和自定义

  • 根据事务数量即付即用,无需前期成本。

文本分析资源和文档

开始使用学习资源

受到各种规模公司的信赖

KPMG 简化欺诈分析

KPMG 帮助金融机构通过其客户风险分析解决方案节省数百万美元的合规成本,该解决方案使用文本分析检测模式和关键字来标记合规风险。

KPMG

Wilson Allen 从非结构化数据获得见解

Wilson Allen 创建了一种 AI 解决方案,它可帮助世界各地的法律和专业服务公司前所未有地深入洞察之前孤立的非结构化数据。

Wilson Allen

健康服务公司改善患者护理

Kepro 从针对医疗的文本分析中获得快速准确的见解来改进医疗保健流程。

Kepro

LaLiga 提高粉丝参与度

LaLiga 使用个人数字助理与全球数百万粉丝互动,使用文本分析以多种语言处理传入的查询并确定用户意向。

LaLiga

改善客户体验

Progressive Insurance 通过 Azure AI 升级其聊天机器人之旅并提高客户体验。

Progressive

Text Request 大规模理解情绪

软件提供商回应客户情绪并创造积极的营销体验。

Text Request

有关 文本分析 的常见问题解答

  • 文本分析检测各种语言、变体和方言。有关详细信息,请参阅语言支持文档
  • 可以。情绪分析和关键短语提取适用于选定数量的语言,你可以在文本分析论坛中请求其他语言。
  • 关键短语提取消除了非必要词和独立形容词。形容词 - 名词组合(例如“壮观的景色”或“有雾的天气”)将一起返回。通常,输出由句子中的名词和宾语组成,并按重要性顺序列出。重要性按提及特定概念的次数或该元素与文本中其他元素的关系来衡量。
  • 如果更改较大,则会宣布对模型和算法进行改进;如果更新很小,则会添加到服务。随着时间的推移,你可能会发现相同的文本输入会产生不同的情绪分数或关键短语输出。在云中使用托管机器学习资源自然会得到这种结果,也是故意达成的。
  • 是,可以使用分析操作(预览版)将多个文本分析功能组合到同一个异步调用中。分析操作目前仅在标准定价层中提供,采用相同的定价标准。

开始使用文本分析

可以给你提供什么帮助?