AI901-Foundry#94-1
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
あるホテル チェーンが、宿泊レビュー (英語 / 日本語 / 中国語 / 韓国語 / フランス語が混在、月 200,000 件) から「不満が多いトピック上位 10」を週次レポートにまとめたいと考えています。集計対象は文書全体の sentiment / トピック語句 / 言及される設備名 (Wi-Fi / 朝食 / 客室 / フロント等)。Azure AI Foundry hub には Azure AI Language の connection が既に登録されています。
解決策
Azure Data Factory のスケジュール パイプラインで、各レビューに対し Azure AI Language の language detection → sentiment 分析 → NER → key phrase extraction を逐次呼び出し、結果を Synapse / Power BI に集約して週次レポートを生成します。Foundry SDK のサンプル コードをベースに実装します。
この解決策は目的を満たしますか?
解説
【判定: はい】の理由
本構成は Microsoft Learn が「多言語レビュー分析」の参照アーキテクチャとして推奨する正攻法の light-weight text-based パイプラインです。Azure AI Language の各機能は多言語に対応しており、language detection で言語ルーティング不要 (自動的に各機能が言語識別を内部処理)、sentiment + NER で「不満トピックの抽出」、key phrase で補完的なキーワード抽出を組み合わせれば、「設備名」(NER の Product カテゴリ + key phrase)、「全体評価」(文書 sentiment)、「主要話題」(key phrase) の三軸でレポートが構成できます。Azure Data Factory のスケジュール実行は週次バッチ要件と一致し、Synapse / Power BI への集約は分析業務の標準パターンです。Foundry hub の connection 経由で credential を中央管理でき、本番運用の品質と効率を同時に確保します。
【「いいえ」が違う理由】
本ソリューションは Microsoft 推奨アーキテクチャに沿った構成で、要件 (多言語 / トピック / 設備名 / 週次) を全面的に満たします。「目的を満たさない」と判断する根拠はありません。
本構成は Microsoft Learn が「多言語レビュー分析」の参照アーキテクチャとして推奨する正攻法の light-weight text-based パイプラインです。Azure AI Language の各機能は多言語に対応しており、language detection で言語ルーティング不要 (自動的に各機能が言語識別を内部処理)、sentiment + NER で「不満トピックの抽出」、key phrase で補完的なキーワード抽出を組み合わせれば、「設備名」(NER の Product カテゴリ + key phrase)、「全体評価」(文書 sentiment)、「主要話題」(key phrase) の三軸でレポートが構成できます。Azure Data Factory のスケジュール実行は週次バッチ要件と一致し、Synapse / Power BI への集約は分析業務の標準パターンです。Foundry hub の connection 経由で credential を中央管理でき、本番運用の品質と効率を同時に確保します。
【「いいえ」が違う理由】
本ソリューションは Microsoft 推奨アーキテクチャに沿った構成で、要件 (多言語 / トピック / 設備名 / 週次) を全面的に満たします。「目的を満たさない」と判断する根拠はありません。
コメント