Komprehend文本情感分析

有时三类情绪（积极、消极和中性）不足以理解以下方面的细微差别句子的基本语气。我们的情绪分析分类器在我们的专有数据集上进行训练，并告诉信息背后的潜在情感是：快乐、悲伤、愤怒、恐惧、兴奋或无聊。

1. 情绪分析
   了解您的品牌、产品或服务的社会情绪，同时监控在线对话。情感分析是对文本的上下文挖掘，用于识别和提取源材料中的主观信息
2. 语义分析
   语义分析API通过理解不同内容之间的相关性来帮助用户对类似文章进行聚类，并通过消除多余的文本内容来简化研究。语义分析API可以通过快速检索过去的类似文章，帮助博客作者、出版社和媒体撰写更引人入胜的故事，并帮助新闻聚合器将不同来源的类似新闻组合起来，以减少读者订阅源中的混乱。
3. 讽刺检测
   讽刺是世界各地语言学家使用的最古老、最机智的工具之一。使用我们的讽刺检测API识别讽刺评论和文本。
4. 文本分类
   文本分类通过对社交网络、反馈和其他网络来源上的对话进行分类，有助于了解客户行为。搜索引擎、报纸或电子商务门户网站对其内容或产品进行分类，以便于搜索和导航。
5. 意图分析
   该分类器告诉句子背后的潜在意图是否是观点、新闻、营销、投诉、建议、赞赏和质疑。这是在我们的专有数据集上训练的。
   我们的意图API被广泛用于在银行、金融和航空业构建客户服务聊天机器人。
6. 自定义分类器
   自定义分类器2.0是一种革命性的方法，可以将任何文本分类到自定义类别中。通常，像情绪分析或电子邮件分类这样的文本分类器可以被分类到预定义的一组类别中，它们是在这些类别上进行训练的。
   然而，在当今的业务环境中，需求可能会经常发生变化，因此，随着时间的推移，任何文本分类任务都需要通过添加更多类别来更新。通常，这意味着在新创建的数据集上手动标记数据和训练文本分类算法是一项昂贵且耗时的工作。
   使用自定义分类器，您可以消除训练自定义文本分类引擎所涉及的所有开销，并专注于您的业务用例。

情绪检测 API 可以准确地检测来自任何情绪的情绪文本数据。人们发表意见、反馈和评论社交媒体、博客和论坛。营销人员和客户支持可以利用情绪检测的强大功能来读取和分析情绪附有文本数据。
我们使用深度学习驱动的算法从文本数据。这些特征用于对情绪进行分类附加到数据。我们使用卷积神经网络（Covnets）在已创建的标记数据集上由我们的团队提供。

1. 准确
   Komphasend情绪分析API在现实世界中保持高精度，并从文本中检测出诸如讽刺之类的主观情绪。
2. 快
   在极短的时间内处理和返回结果，满足各个行业的需求。
3. 灵活部署
   Kompheand情绪分析支持通过Docker容器或内部部署进行私有云部署，确保无数据泄露。

Emotion API 仅支持 14 种不同的语言