この記事でわかること
この記事では、自然言語処理（NLP）の代表的な機能である 感情分析とキーフレーズ抽出について、 AI-900（Azure AI Fundamentals）の試験範囲に沿って解説します。
専門的な実装知識は不要で、
「それぞれ何ができるのか」 「どんな業務に使われるのか」 「試験ではどう問われるのか」
が理解できる構成になっています。
感情分析とは何か
感情分析（Sentiment Analysis）とは、 文章に含まれる感情の傾向を分析する技術です。
AIは文章を読み取り、
- ポジティブ（肯定的）
- ネガティブ（否定的）
- ニュートラル（中立）
といった形で評価します。
重要なのは、 「感情を理解している」のではなく、表現の傾向を判定している という点です。
感情分析の具体例
例えば、次の文章を考えます。
「このサービスはとても便利で、対応も早かった」
AIは、
- 「便利」
- 「早かった」
といった肯定的な表現をもとに、 ポジティブな文章と判断します。
逆に、
「対応が遅く、正直がっかりした」
であれば、ネガティブ寄りと判定されます。
感情分析が得意なケース・苦手なケース
得意なケース
- アンケート結果の集計
- レビュー評価の傾向分析
- SNS投稿の感情把握
苦手なケース
- 皮肉や冗談
- 感情が混在する文章
- 専門用語が多い文章
この「得意・不得意」を理解しているかどうかは、 AI-900でよく問われます。
キーフレーズ抽出とは何か
キーフレーズ抽出（Key Phrase Extraction）とは、 文章の中から重要な単語やフレーズを自動的に抜き出す技術です。
文章全体を要約するのではなく、
- 話題の中心
- 重要な概念
を示す言葉を抽出します。
キーフレーズ抽出の具体例
文章例：
「新しい在庫管理システムを導入したことで、作業効率が大幅に向上しました」
この場合、AIは
- 在庫管理システム
- 作業効率
といったキーワードを抽出します。
これにより、 文章をすべて読まなくても要点が把握できる ようになります。
キーフレーズ抽出の活用例
- 議事録の要点整理
- 問い合わせ内容の把握
- レポートやレビューの要約補助
AI-900では、 「大量のテキストから重要な情報を抽出する用途」 として理解しておくことが重要です。
感情分析とキーフレーズ抽出の違い
| 項目 | 感情分析 | キーフレーズ抽出 |
|---|---|---|
| 目的 | 感情の傾向を判定 | 重要語句を抽出 |
| 出力例 | ポジティブ／ネガティブ | キーワード一覧 |
| 主な用途 | 満足度分析 | 要点把握 |
Azure AI（AI-900）における位置づけ
AI-900では、 感情分析とキーフレーズ抽出は Azure AI Language の代表的な機能 として登場します。
ポイントは、
「高度なAIモデルを自分で作らなくても、APIとして利用できる」
という点です。
試験で問われやすいポイント
- 感情分析は感情を理解しているわけではない
- キーフレーズ抽出は要約ではない
- どちらも自然言語処理の代表例
用語の混同（要約・分類との違い）には注意が必要です。
まとめ
- 感情分析は文章の感情傾向を判定する
- キーフレーズ抽出は重要語句を抜き出す
- どちらもNLPの基本機能
- AI-900ではAzure AI Languageの理解が重要
この内容を押さえておけば、 自然言語処理分野は安定した得点源になります。