了解情绪分析

3 分钟

情绪分析 是一种关键的自然语言处理（NLP）技术，使我们能够辨别文本数据中表达的情感语气或情绪。使用机器学习和自然 NLP，情绪分析旨在确定文本中表达的积极、消极或中立情绪的意见、情绪、评价、态度和情绪。这些功能使应用程序能够了解用户情绪、监视品牌感知，并根据文本内容做出明智的决策。

Margie 旅行的 Web 和移动应用允许租房者提交评论，详细描述他们在应用中列出的房产的体验。这些评论的文本包含有关客户对房产、其主机及其住宿感受的宝贵信息。了解这些情绪可以帮助玛吉的旅游更好地为客户提供服务，并为业主和经理提供有价值的反馈。

使用azure_ai扩展分析情绪

Azure Database for PostgreSQL 灵活服务器的 azure_ai 扩展依赖于与 Azure AI 语言服务的集成来执行情绪分析。可以使用 analyze_sentiment() 架构中的 azure_cognitive 函数访问扩展的情绪分析功能。

此方法具有三个重载，通过传入要计算的值数组，可以一次分析一条记录或多个记录的情绪。使用language参数还可以指示输入文本属于哪一种在94种支持语言中的一种。

analyze_sentiment() 函数的输出是 sentiment_analysis_result 复合类型。类型的结构为：

   Column       |   Type   
----------------+------------------
 sentiment      | text      
 positive_score | double precision
 neutral_score  | double precision
 negative_score | double precision

复合类型包含输入文本的情绪预测。它包括情绪，可以是积极、消极、中立或混合，以及文本中找到的积极、中立和消极方面的分数。分数表示为介于 0 和 1 之间的实数。例如，在（中性，0.26,0.64,0.09）中，情绪是中性的，积极分数为 0.26，中性为 0.64，负于 0.09。

该函数将情绪标签（正、负或中性）分配给单个句子或整个文档。这些标签表示文本中表达的情感语气。它返回置信度分数以及情绪标签，表示模型对其预测的信心。

情绪分析的优点

了解客户反馈：分析评论、社交媒体帖子、调查等。
监视品牌信誉：跟踪一段时间内的情绪趋势。
个性化用户体验：根据用户情绪调整内容。