文本分析

在非结构化文本中发现情绪、实体和关键短语等见解的 AI 服务

从文本中提取见解

无需机器学习专业知识即可使用自然语言处理 (NLP) 在非结构化文本中发现见解。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。使用情绪分析更深入地了解客户意见。评估各种语言的文本。

广泛的实体提取

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、地点和组织。

强大的情绪分析

检查客户对你的品牌的看法,并围绕特定主题检测情绪。

可靠的语言检测

评估各种语言的文本输入。

灵活的部署

在任何地方(在云中、本地或容器边缘)运行文本分析。

对重要概念进行标识和分类

使用命名实体识别,对文本中的一系列实体(如人员、位置、组织、日期/时间和百分比)进行分类。在文档中检测并提取 100 多种类型的个人身份信息 (PII),包括受保护健康信息 (PHI)。

在非结构化文本中提取关键短语

快速评估并标识非结构化文本中的要点。获取使用关键短语提取最准确描述每个记录的主题的相关短语列表。轻松提取和组织信息,以了解重要主题和趋势。

更好地了解客户感知

在社交媒体、客户评论和其他源中检测正面和负面情绪,以了解你的品牌。使用观点挖掘来探索文本中客户在某些方面(例如产品或服务的特定属性)的看法。

处理非结构化医疗数据

使用适用于健康领域的文本分析(封闭式公共预览版),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。

检测文本语言

使用语言检测功能,评估众多语言、变体和方言的文本输出。

随时随地部署,从云到边缘

在数据所在的任何位置运行文本分析。使用容器生成已针对可靠的云功能和边缘区域进行了优化的应用程序。

全面的隐私和安全

  • 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

  • 仅为你使用的资源付费(无前期成本)。
  • 使用文本分析,可以根据交易次数即用即付。

文档和资源

开始使用

Read our documentation

Take the Microsoft Learn courses

浏览开发人员资源

Check out our code samples

See our Power Automate connectors

Watch our call center analytics webinar

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,该解决方案可检测特定的文本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 创建了一种强大的 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

IHC 为服务工程师赋能

Royal IHC 使用 Azure 认知搜索和文本分析使其工程师不必跨不同源进行耗时的手动数据搜索,并为他们提供有关其结构化数据和非结构化数据的见解。

Royal IHC

LaLiga 促进粉丝参与

LaLiga 使用个人数字助理与全球数万粉丝互动,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

通过 TIBCO 可在边缘分析根本原因

TIBCO 使用文本分析和异常检测器来检测和分析异常情况(数据模式的突然变化)、发现根本原因并提供建议的操作。

TIBCO

Kotak Mahindra Bank 提高工作效率

Kotak 资产管理通过启用聊天机器人轻松分析主题行、客户信息和电子邮件内容来识别情绪并触发下一个最佳操作,从而转换客户服务管理。

Kotak

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
  • 不可以,模型是预先训练的。可对上传数据进行评分、关键短语提取和语言检测操作。若要创建和托管自定义模型,请浏览语言理解服务。
  • 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。这是在云中使用托管机器学习资源的正常且有意的结果。

开始使用文本分析