AI901-Concept#127-2
注: この問題は、同じ前提を持つ一連の問題の一部です。それぞれの問題には異なる解決策が提示されます。
前提
ある EC プラットフォーム企業が、過去 5 年分の商品レビュー約 300 万件を分析し、商品ごとの好評価ポイント / 不評ポイント / 全体的な顧客満足度を可視化するシステムを Azure AI Foundry で構築しています。Azure AI Language の機能を組み合わせて実装する必要があります。
解決策
Azure AI Translator で全レビューを 1 つの言語に統一翻訳した後、Azure AI Vision の image classification API で感情分類して結果を集計します。
この解決策は目的を満たしますか?
解説
【判定: いいえ】の理由
本提案は機能選定の根本的な誤りを 2 つ含みます。第一に、感情分析にテキスト処理ではなく Azure AI Vision の image classification を使うのは入力モダリティと機能のミスマッチで、画像分類 API は画像入力専用でテキストには適用できません。第二に、Translator による全件翻訳は不要なコスト増加です。多言語テキストでも Azure AI Language の sentiment analysis は 100 以上の言語をネイティブにサポートしており、翻訳を経由する必要がありません。正しくは Azure AI Language の sentiment analysis + opinion mining を直接適用すべきで、本提案はワークロード カテゴリーの誤分類と過剰処理を含んでいます。
【「はい」が違う理由】
テキスト処理に画像 API を充てる根本誤りに加え、翻訳ステップが過剰でコスト効率も悪く、設計として失格です。「目的を満たす」と判定するのは技術的に不可能です。
本提案は機能選定の根本的な誤りを 2 つ含みます。第一に、感情分析にテキスト処理ではなく Azure AI Vision の image classification を使うのは入力モダリティと機能のミスマッチで、画像分類 API は画像入力専用でテキストには適用できません。第二に、Translator による全件翻訳は不要なコスト増加です。多言語テキストでも Azure AI Language の sentiment analysis は 100 以上の言語をネイティブにサポートしており、翻訳を経由する必要がありません。正しくは Azure AI Language の sentiment analysis + opinion mining を直接適用すべきで、本提案はワークロード カテゴリーの誤分類と過剰処理を含んでいます。
【「はい」が違う理由】
テキスト処理に画像 API を充てる根本誤りに加え、翻訳ステップが過剰でコスト効率も悪く、設計として失格です。「目的を満たす」と判定するのは技術的に不可能です。
コメント