Bienvenido a esta lección, analizará el servicio de análisis de texto para realizar
análisis de texto. El análisis del texto es un proceso en el que se evalúan
diferentes aspectos de un documento o frase para obtener información sobre el
contenido de ese texto. El servicio de análisis de texto es un servicio basado en
la nube que proporciona un procesamiento avanzado del lenguaje natural del texto
sin procesar para el análisis de sentimientos. La extracción de frases, el
reconocimiento de entidades nombradas y la detección de idiomas. Tras completar
esta lección, podrá utilizar el servicio de análisis de texto para analizar el
texto. En su mayor parte, los humanos pueden leer algunos textos y comprender el
significado detrás de ellos, incluso sin tener en cuenta las reglas gramaticales
del idioma en el que está escrito el texto. En el texto se pueden identificar ideas
específicas. Por ejemplo, puede leer un texto e identificar algunas frases clave
que indiquen los principales puntos de conversación del texto. También puedes
reconocer nombres de personas o lugares conocidos, como la Torre Eiffel. Aunque a
veces es difícil, es posible que también puedas hacerte una idea de cómo se sentía
la persona cuando escribió el texto. El análisis de texto, también conocido como
sentimiento, es un proceso en el que un algoritmo de inteligencia artificial que se
ejecuta en una computadora evalúa estos mismos atributos en el texto. Para
determinar conocimientos específicos, una persona normalmente se basará en sus
propias experiencias y conocimientos para obtener los conocimientos que se le deben
proporcionar a una computadora con conocimientos similares para poder realizar la
tarea de evaluación. Algunas de las técnicas que se utilizan con frecuencia para
crear software de análisis de texto incluyen el análisis estadístico de los
términos utilizados en el texto. Por ejemplo, eliminar las palabras clave más
comunes, como E o A, que serían un poco de información semántica sobre el texto.
Además, realizar un análisis de frecuencia de las palabras restantes contando la
frecuencia con la que aparece cada palabra puede proporcionar pistas sobre el tema
principal del texto, extendiendo el análisis de frecuencia a frases con varios
términos, comúnmente conocidas como n gramos. Una frase de dos palabras es un
bigrama, una frase de tres palabras es un trigrama, etc., aplicando algoritmos de
derivación o limitación para normalizar las palabras antes de contarlas, por
ejemplo, de modo que palabras como power powered y powerful se interpreten como la
misma palabra. Aplicar reglas de estructura lingüística para analizar oraciones,
por ejemplo, dividirlas en estructuras similares a árboles, como una frase nominal,
que a su vez contiene verbos nominales y adjetivos, etc., codificando palabras y
términos como características numéricas. Esto se puede usar para entrenar un modelo
de aprendizaje automático, por ejemplo, para clasificar un documento de texto en
función de los términos que contiene. Esta técnica se usa a menudo para realizar
análisis de sentimientos en los que un documento se clasifica como positivo o
negativo, creando modelos vectorizados que capturan las relaciones semánticas entre
las palabras asignándoles ubicaciones en un espacio n dimensional. Esta técnica de
modelado podría, por ejemplo, asignar valores a las palabras flor y planta que las
sitúen cerca una de la otra. Mientras que al monopatín se le puede dar un valor que
lo posiciona mucho más lejos. Si bien estas técnicas se pueden utilizar con gran
eficacia, la programación puede resultar compleja. En Microsoft Azure, el servicio
cognitivo de análisis de texto puede ayudar a simplificar el desarrollo de
aplicaciones mediante el uso de modelos previamente entrenados que pueden
determinar el idioma de un documento o texto. Por ejemplo, el francés o el inglés
analizan el sentimiento del texto para determinar un sentimiento positivo o
negativo y extraen frases clave del texto que puedan indicar sus principales puntos
de conversación. Las entidades pueden ser personas, lugares, organizaciones o
incluso elementos cotidianos, como fechas, horas, cantidades, etc. En esta lección,
analizará algunas de estas capacidades de análisis de texto y servicios cognitivos
y comprenderá cómo puede aplicarlas a aplicaciones como un analizador de feeds de
redes sociales para detectar el sentimiento en torno a una campaña política o un
producto en el mercado. Una aplicación de búsqueda de documentos que extrae frases
clave para ayudar a resumir el tema principal de los documentos de un catálogo, una
herramienta para extraer información de marca o nombres de empresas de documentos u
otros textos con fines de identificación. Estos ejemplos son solo una pequeña
muestra de las muchas áreas en las que la analítica de texto puede ayudar.