略過導覽

文字分析

適用於語言的認知服務中有一套功能集,可以擷取、分類,及了解文件中的文字

使用自然語言處理 (NLP) 取得文字中的見解

透過適用於語言的認知服務功能集所提供的文字分析功能,在不需任何機器學習專業知識的情況下,使用 NLP 在非結構化文字中挖掘見解。使用情感分析深入了解客戶的想法。識別關鍵片語和實體 (例如人物、地點和組織),以了解共通的主題和趨勢。使用預先訓練之特定領域的模型來分類醫學術語。評估各種語言的文字。

廣泛實體辨識

確認文字中的重要概念,包含關鍵片語與具名實體,例如人員、活動與組織。

強大的情感分析

透過意見挖掘,了解客戶對您品牌的看法,並分析有關特定主題的情感。

文件摘要

擷取共同傳達文件內涵的句子。

處理醫療文字

擷取以非結構性醫療文字方式所儲存的見解,並以即時方式處理及進行批次分析。

識別重要概念並分類

使用具名實體辨識從文件中擷取各種預建實體的實體,例如人員、地點、組織、日期/時間、數字,以及超過 100 種類型的個人識別資訊 (PII),包括受保護的健康資訊 (PHI)。

識別非結構化文字中的重點

快速評估及識別非結構化文字中的重點。使用關鍵片語擷取,取得最能描述詞彙片段的相關片語清單。或者使用擷取式摘要 (預覽),識別出最能傳達文件主要概念的句子。

更準確地了解客戶的想法

分析社交媒體、客戶評論及其他來源中的正面和負面情感,以探知品牌的風評。使用意見挖掘,探索客戶對文字中產品或服務特定屬性的感受。

處理非結構化醫療資料

使用適用於健康情況的文字分析,從非結構化的臨床文件 (例如醫囑、電子醫療記錄及病患諮詢表單) 中擷取見解。辨識、分類及判斷醫療概念 (例如診斷、症狀,以及藥物的劑量與頻率) 之間的關聯性。

在資料上建立交談層

從半結構化和非結構化內容中,例如 URL、常見問題集、產品手冊、部落格、支援文件等,獲得問題的答案。

將您的工作流程自動化

使用您專屬領域的標籤,利用自訂文字分類功能對非結構化的文字及文件進行自動分類,藉以改善決策制定。

完整的隱私權與安全性

  • 您的資料仍屬您所有。Microsoft 不會擅用對您文字執行的定型來改進模型。
  • 選擇認知服務在哪裡使用容器處理您的資料。
  • 文字分析由 Azure 基礎結構所支援,提供企業級安全性、可用性、合規性與管理性。

以彈性的定價,獲得您所需的功能、掌控度和自訂能力

  • 根據交易數進行隨用隨付,無需預付費用。

文字分析資源和文件

開始使用學習資源

受到各種規模公司的信任

KPMG 簡化詐騙分析

KPMG 的「客戶風險分析」解決方案使用文字分析功能,偵測模式及關鍵字來標示合規性的風險,協助金融機構省下數百萬元的合規性成本。

KPMG

Wilson Allen 從非結構化的資料中發現見解

Wilson Allen 建立了 AI 解決方案,協助世界各地的法律及專業服務事務所,在原先互不相通且非結構化的資料中,發現前所未有的見解。

Wilson Allen

醫療服務公司改善了病患的照護

Kepro 利用健康情況文字分析得出快速且精確的見解,進而改善醫療保健流程。

Kepro

LaLiga 提升了球迷的參與度

LaLiga 使用個人數位助理,與全球各地數百萬名粉絲互動,透過文字分析來處理傳入的查詢及判斷多種語言的使用者意圖。

LaLiga

改善客戶體驗

Progressive Insurance 透過 Azure AI,有效提升其聊天機器人服務的作業過程,增進客戶體驗。

漸進式

文字要求可以理解大規模的情緒資訊

軟體提供者回應客戶的情緒,建立正面的市場行銷體驗。

Text Request

文字分析 的常見問題集

  • 文字分析可偵測各種語言、變體和方言。如需詳細資訊,請參閱語言支援文件
  • 可以。情感分析和關鍵片語擷取僅適用於某些語言,您可以在文字分析論壇中要求其他語言。
  • 關鍵片語擷取可排除不重要的字組和單獨的形容詞。形容詞與名詞詞組 (例如「壯觀的景象」或「多霧的天氣」) 會一起傳回。一般而言,輸出由句子的名詞和受詞組成,並依重要性的順序列出。重要性的測量依據為提到特定概念的次數,或文字中該項目與其他項目的關聯。
  • 如果模型和演算法的改進內容屬於大幅變更,則會特別宣布,若只是微幅更新,則會直接新增至服務。過了一段時間,您可能會發現輸入相同的文字後,會輸出不同的情感分數或關鍵片語。在雲端中使用受控機器學習資源會有這種結果是正常的,也是刻意這麼做的。
  • 是,您可以使用預覽版的分析作業,在同一個非同步呼叫中合併多個文字分析功能。此分析作業目前只以標準定價層提供,並遵循相同的定價準則。

開始使用文字分析