Mi az az Azure AI Language?
Megjegyzés
2023 júliusától az Azure AI-szolgáltatások magukban foglalják a korábban Cognitive Servicesnek és az Azure Applied AI Servicesnek nevezett összes szolgáltatást. A díjszabás nem változik. A Cognitive Services és az Azure Applied AI nevek továbbra is használhatók az Azure-számlázásban, a költségelemzésben, az árlistában és az ár API-kban. Az alkalmazásprogramozási felületek (API-k) és az SDK-k nem módosulnak.
Az Azure AI Language egy felhőalapú szolgáltatás, amely természetes nyelvi feldolgozási (NLP) funkciókat biztosít a szövegek megértéséhez és elemzéséhez. Ezzel a szolgáltatással intelligens alkalmazásokat hozhat létre a webalapú Language Studio, REST API-k és ügyfélkódtárak használatával.
Elérhető funkciók
Ez a nyelvi szolgáltatás egyesíti a következő korábban elérhető Azure AI-szolgáltatásokat: Text Analytics, QnA Maker és LUIS. Ha ezekről a szolgáltatásokról kell migrálnia, tekintse meg az alábbi migrálási szakaszt .
A Nyelvi szolgáltatás számos új funkciót is kínál, amelyek a következők lehetnek:
- Előre konfigurálva, ami azt jelenti, hogy a funkció által használt AI-modellek nem testreszabhatók. Csak elküldi az adatokat, és a funkció kimenetét használja az alkalmazásokban.
- Testreszabható, ami azt jelenti, hogy betanít egy AI-modellt az eszközeinkkel, hogy kifejezetten illeszkedjenek az adataihoz.
Tipp
Nem tudja, melyik funkciót kell használnia? A döntéshez tekintse meg a Melyik nyelvi szolgáltatás funkciót érdemes használni? című témakört.
A Language Studio lehetővé teszi az alábbi szolgáltatásfunkciók használatát anélkül, hogy kódot kellene írnia.
Nevesített entitásfelismerés (NER)
A nevesített entitásfelismerés egy előre konfigurált funkció, amely strukturálatlan szövegben kategorizálja az entitásokat (szavakat vagy kifejezéseket) több előre definiált kategóriacsoportban. Például: személyek, események, helyek, dátumok és egyebek.
Személyazonosítás (PII) és állapot (PHI) információészlelés
A PII-észlelés egy előre konfigurált funkció, amely azonosítja, kategorizálja és újrakonfigurálja a bizalmas információkat a strukturálatlan szöveges dokumentumokban és a beszélgetési átiratokban. Például: telefonszámok, e-mail-címek, azonosítási formák stb.
Nyelvfelismerés
A nyelvészlelés egy előre konfigurált funkció, amely képes észlelni azt a nyelvet, amelybe a dokumentum íródott, és visszaad egy nyelvkódot számos nyelvhez, változathoz, dialektushoz és néhány regionális/kulturális nyelvhez.
Hangulatelemzés és véleménybányászat
A hangulatelemzés és a véleménybányászat előre konfigurált funkciók, amelyek segítenek kideríteni, mit gondolnak az emberek a márkádról vagy a témádról, ha a pozitív vagy negatív hangulatra utaló jeleket keresnek, és társíthatják őket a szöveg adott aspektusaival.
Összegzés
Az összegzés egy előre konfigurált funkció, amely kinyerő szövegösszesítést használ a dokumentumok és a beszélgetés átiratainak összegzéséhez. Olyan mondatokat nyer ki, amelyek együttesen képviselik a legfontosabb vagy releváns információkat az eredeti tartalomban.
Kulcskifejezések kinyerése
A kulcskifejezés-kinyerés egy előre konfigurált funkció, amely strukturálatlan szövegben értékeli ki és adja vissza a fő fogalmakat, és listaként adja vissza őket.
Entitás csatolása
Az entitás-csatolás egy előre konfigurált funkció, amely egyértelműsíti a strukturálatlan szövegben talált entitások (szavak vagy kifejezések) identitását, és a Wikipédiára mutató hivatkozásokat ad vissza.
Állapotelemzés
Az egészségügyi szövegelemzés egy előre konfigurált funkció, amely strukturálatlan szövegekből nyeri ki és címkézi fel a releváns orvosi információkat, például az orvosi jegyzeteket, a mentesítési összefoglalókat, a klinikai dokumentumokat és az elektronikus egészségügyi nyilvántartásokat.
Egyéni szövegbesorolás
Az egyéni szövegbesorolással egyéni AI-modelleket hozhat létre, amelyekkel strukturálatlan szöveges dokumentumokat sorolhat be az Ön által meghatározott egyéni osztályokba.
Custom Named Entity Recognition (Egyéni NER)
Az Egyéni NER lehetővé teszi egyéni AI-modellek készítését egyéni entitáskategóriák (szavak vagy kifejezések címkéi) kinyeréséhez strukturálatlan, Ön által megadott szöveg használatával.
Társalgási nyelvfelismerés
A társalgási nyelvfelismerés (CLU) lehetővé teszi a felhasználók számára, hogy egyéni természetes nyelvfelismerési modelleket készítsenek a bejövő beszédelemek általános szándékának előrejelzéséhez és fontos információk kinyeréséhez.
Vezénylési munkafolyamat
A vezénylési munkafolyamat egy egyéni funkció, amely lehetővé teszi a beszélgetési Language Understanding (CLU), a kérdések megválaszolása és a LUIS-alkalmazások összekapcsolását.
Kérdések megválaszolása
A kérdések megválaszolása egy egyéni funkció, amely megtalálja a legmegfelelőbb választ a felhasználóktól érkező bemenetekre, és gyakran használják beszélgetési ügyfélalkalmazások, például közösségimédia-alkalmazások, csevegőrobotok és beszédalapú asztali alkalmazások létrehozásához.
Egyéni szövegelemzés az állapothoz
Az állapotra vonatkozó egyéni szövegelemzés egy egyéni funkció, amely egy létrehozott modell használatával nyer ki egészségügyi adottságokat a strukturálatlan szövegből.
Melyik Nyelvi szolgáltatás funkciót kell használnom?
Ez a szakasz segít eldönteni, hogy melyik Nyelvi szolgáltatás funkciót kell használnia az alkalmazáshoz:
| Mit kíván tenni? | Dokumentumformátum | A legjobb megoldás | Testre szabható ez a megoldás?* |
|---|---|---|---|
| Bizalmas információk, például a PII és a PHI észlelése és/vagy ismételt kiosztása. | Strukturálatlan szöveg, átírt beszélgetések |
PII-észlelés | |
| Adatok kategóriáinak kinyerése egyéni modell létrehozása nélkül. | Strukturálatlan szöveg | Az előre konfigurált NER-funkció | |
| Adatok kategóriáinak kinyerése az adatokra jellemző modell használatával. | Strukturálatlan szöveg | Egyéni NER | ✓ |
| Fő témakörök és fontos kifejezések kinyerésében. | Strukturálatlan szöveg | Kulcskifejezések kinyerése | |
| Határozza meg a szövegben kifejezett véleményeket és véleményeket. | Strukturálatlan szöveg | Hangulatelemzés és véleménybányászat | ✓ |
| Hosszú szöveg- vagy beszélgetésrészletek összegzése. | Strukturálatlan szöveg, átírt beszélgetések. |
Összegzés | |
| Egyértelműsítse az entitásokat, és szerezzen be hivatkozásokat a Wikipédiára. | Strukturálatlan szöveg | Entitás csatolása | |
| A dokumentumok besorolása egy vagy több kategóriába. | Strukturálatlan szöveg | Egyéni szövegbesorolás | ✓ |
| Orvosi adatok kinyerése klinikai/orvosi dokumentumokból modell létrehozása nélkül. | Strukturálatlan szöveg | Állapotelemzés | |
| Orvosi adatok kinyerése klinikai/orvosi dokumentumokból az adatokra betanított modell használatával. | Strukturálatlan szöveg | Egyéni szövegelemzés az állapothoz | |
| Hozzon létre egy beszélgetési alkalmazást, amely válaszol a felhasználói bemenetekre. | Strukturálatlan felhasználói bemenetek | Kérdések megválaszolása | ✓ |
| A szöveg nyelvének észlelése. | Strukturálatlan szöveg | Nyelvfelismerés | |
| Előrejelezheti a felhasználói bemenetek szándékát, és információkat nyerhet ki belőlük. | Strukturálatlan felhasználói bemenetek | Társalgási nyelvfelismerés | ✓ |
| Alkalmazások csatlakoztatása a beszélgetési nyelvfelismerésből, a LUIS-ból és a kérdések megválaszolásából. | Strukturálatlan felhasználói bemenetek | Vezénylési munkafolyamat | ✓ |
* Ha egy funkció testre szabható, betaníthat egy AI-modellt az eszközeinkkel, hogy kifejezetten illeszkedjenek az adataihoz. Ellenkező esetben egy funkció előre van konfigurálva, ami azt jelenti, hogy az általa használt AI-modellek nem módosíthatók. Csak elküldi az adatokat, és a funkció kimenetét használja az alkalmazásokban.
Migrálás Text Analytics, QnA Maker vagy Language Understanding (LUIS)
Az Azure AI Language három egyéni nyelvi szolgáltatást egyesül az Azure AI-szolgáltatásokban – Text Analytics, QnA Maker és Language Understanding (LUIS). Ha ezt a három szolgáltatást használja, egyszerűen migrálhat az új Azure AI-nyelvre. Útmutatásért lásd: Migrálás az Azure AI-nyelvre.
Oktatóanyagok
Miután megismerkedett a Nyelvi szolgáltatással, próbálkozzon az oktatóanyagokkal, amelyek bemutatják, hogyan oldhat meg különböző forgatókönyveket.
- Kulcskifejezések kinyerása a Power BI-ban tárolt szövegből
- Információk rendezése a Microsoft Excelben a Power Automate használatával
- Szövegfordítás, hangulatelemzés és beszédszintézis a Flask segítségével
- Azure AI-szolgáltatások használata vászonalapú alkalmazásokban
- GyIK-robot létrehozása
További kódminták
További kódmintákat a GitHubon talál a következő nyelvekhez:
Helyszíni üzembe helyezés Docker-tárolók használatával
Az API-szolgáltatások helyszíni üzembe helyezéséhez használja a Language Service-tárolókat. Ezek a Docker-tárolók lehetővé teszik, hogy megfelelőségi, biztonsági vagy egyéb működési okokból közelebb hozza a szolgáltatást az adataihoz. A Language szolgáltatás a következő tárolókat kínálja:
- Hangulatelemzés
- Nyelvfelismerés
- Kulcskifejezések kinyerése
- Egyéni elnevezett entitások felismerése
- Text Analytics az egészségért
- Összegzés
Felelősségteljes MI
Az AI-rendszerek nem csak a technológiát, hanem azokat az embereket is magukban foglalják, akik használni fogják, azokat, akiket érint, és a környezetet, amelyben üzembe helyezik. Az alábbi cikkekből megtudhatja, hogyan használhatja és üzembe helyezheti a felelősségteljes AI-t a rendszerekben: