Desafio 15: Análise de Sentimento e Detecção de Idioma
20-30 min | Custo: Gratuito | Domínio: Processamento de Linguagem Natural (15-20%)
Habilidades do exame abordadas
- Identificar recursos e usos para análise de sentimento
- Identificar recursos e usos para modelagem de linguagem
- Identificar capacidades do serviço Azure AI Language
Visão geral
Análise de sentimento determina se o texto expressa sentimentos positivos, negativos, neutros ou mistos. Funciona tanto no nível do documento (sentimento geral) quanto no nível da frase (sentimento de cada declaração individual). Por exemplo, uma avaliação de produto dizendo "A qualidade da câmera é incrível mas a bateria dura muito pouco" seria classificada como "mista" no geral, com a primeira parte positiva e a segunda negativa.
O Azure AI Language retorna scores de confiança para cada sentimento (positivo, negativo, neutro) que somam 1.0. Uma frase como "O hotel era ok" pode pontuar 0.1 positivo, 0.1 negativo, 0.8 neutro — indicando que o modelo está mais confiante de que é neutro. Essa granularidade ajuda empresas a entender não apenas se os clientes estão satisfeitos, mas quão fortemente eles se sentem.
Detecção de idioma identifica em qual idioma um texto está escrito e retorna um score de confiança. Suporta 120+ idiomas e pode detectar até amostras de texto muito curtas. Essa capacidade é essencial como primeiro passo em pipelines de processamento multilíngue — você precisa saber o idioma antes de poder analisar sentimento, extrair entidades ou traduzir conteúdo.
Explorar
Tarefa 1: Entender a pontuação da análise de sentimento
A análise de sentimento retorna scores para três categorias. Revise estes exemplos:
| Texto | Positivo | Negativo | Neutro | Geral |
|---|---|---|---|---|
| "Eu absolutamente amo este produto!" | 0.98 | 0.01 | 0.01 | Positivo |
| "O serviço foi terrível e grosseiro." | 0.01 | 0.97 | 0.02 | Negativo |
| "A reunião está agendada para terça." | 0.05 | 0.02 | 0.93 | Neutro |
| "Comida ótima mas serviço péssimo." | 0.50 | 0.48 | 0.02 | Misto |
Insight principal: Sentimento "Misto" ocorre quando um documento contém sentimentos tanto positivos quanto negativos no nível da frase.
Tarefa 2: Experimente a análise de sentimento no Language Studio
Navegue para: language.cognitive.azure.com
- Selecione Classify text → Analyze sentiment and mine opinions
- Experimente estes textos de exemplo um de cada vez:
Exemplo 1 (Positivo):
"Os novos serviços de Azure AI são incrivelmente poderosos e fáceis de usar. A documentação é clara e a equipe de suporte é muito responsiva."
Exemplo 2 (Misto):
"O quarto do hotel era espaçoso e limpo com uma vista bonita. Porém, a comida do restaurante estava fria e cara demais, e o checkout demorou uma eternidade."
Exemplo 3 (Neutro):
"O serviço Azure AI Language suporta mais de 120 idiomas para análise de texto. Está disponível em múltiplas regiões do Azure."
- Observe como o serviço fornece:
- Sentimento no nível do documento (geral)
- Sentimento no nível da frase (cada frase)
- Scores de confiança para cada categoria
Tarefa 3: Explore a mineração de opinião
Mineração de opinião é um recurso avançado da análise de sentimento que identifica:
- Alvos — sobre o que é a opinião (ex.: "comida", "equipe", "bateria")
- Avaliações — a opinião expressa (ex.: "deliciosa", "simpática", "curta")
Exemplo:
"A pizza estava deliciosa mas a entrega foi lenta."
| Alvo | Avaliação | Sentimento |
|---|---|---|
| pizza | deliciosa | Positivo |
| entrega | lenta | Negativo |
Isso é valioso para entender o que especificamente os clientes gostam ou não gostam.
Tarefa 4: Entender a detecção de idioma
A detecção de idioma identifica o idioma do texto de entrada. Experimente estes exemplos mentalmente:
| Entrada | Idioma Detectado | Confiança | Código ISO |
|---|---|---|---|
| "Hello, how are you?" | Inglês | 1.0 | en |
| "Bonjour, comment allez-vous?" | Francês | 1.0 | fr |
| "こんにちは" | Japonês | 1.0 | ja |
| "asdf" | Desconhecido | 0.0 | (unknown) |
Comportamentos importantes:
- Retorna o idioma com maior confiança
- Retorna "unknown" com confiança NaN para entrada ambígua ou sem sentido
- Funciona melhor com pelo menos uma frase de texto
- Pode detectar documentos com idiomas mistos (retorna o idioma predominante)
# Chamar o endpoint de análise de sentimento
az cognitiveservices account show \
--name my-language-resource \
--resource-group myResourceGroup \
--query "properties.endpoint"
Conceitos-Chave
| Conceito | Definição |
|---|---|
| Análise de sentimento | Determina se o texto é positivo, negativo, neutro ou misto |
| Sentimento no nível do documento | O sentimento geral de um documento de texto inteiro |
| Sentimento no nível da frase | Classificação individual de sentimento para cada frase em um documento |
| Mineração de opinião | Identifica alvos específicos (aspectos) e os sentimentos expressos sobre eles |
| Score de confiança | Um valor entre 0 e 1 indicando quão confiante o modelo está em sua previsão |
| Detecção de idioma | Identifica em qual idioma humano o texto está escrito |
Equívocos Comuns
| Equívoco | Realidade |
|---|---|
| Análise de sentimento entende sarcasmo perfeitamente | IA frequentemente tem dificuldade com sarcasmo, ironia e nuances culturais — estes podem ser classificados incorretamente |
| Sentimento misto significa que o modelo está incerto | Misto significa que o documento contém AMBOS sentimentos positivos e negativos; incerteza aparece como scores semelhantes entre categorias |
| Detecção de idioma precisa de texto longo | Pode funcionar com até uma única palavra, embora a precisão melhore com mais texto |
| Scores de sentimento são sempre precisos para todos os domínios | Modelos pré-construídos funcionam melhor em texto geral; linguagem específica de domínio (médico, jurídico) pode precisar de modelos personalizados |
| Neutro significa que o modelo não conseguiu determinar o sentimento | Neutro é uma classificação legítima — significa que o texto não expressa emoção positiva ou negativa (ex.: declarações factuais) |
Verificação de Conhecimento
1. Uma avaliação de cliente declara: "A câmera é excelente mas a bateria acaba rápido demais." Como a análise de sentimento classificaria este documento?
2. O que a detecção de idioma retorna quando não consegue identificar o idioma do texto de entrada?
3. Uma empresa processa feedback de clientes de 50 países. Qual capacidade deve ser aplicada PRIMEIRO no pipeline de NLP?
4. Na análise de sentimento, o que os scores de confiança representam?
5. O que a mineração de opinião adiciona além da análise de sentimento básica?