Azure AI 언어란?

  • 아티클

참고 항목

2023년 7월부터 Azure AI 서비스는 이전에 Cognitive Services 및 Azure Applied AI Services로 알려진 모든 것을 포함합니다. 가격 책정에는 변화가 없습니다. Cognitive Services 및 Azure Applied AI라는 이름은 Azure 청구, 비용 분석, 가격 목록 및 가격 API에서 계속 사용됩니다. API(애플리케이션 프로그래밍 인터페이스) 또는 SDK에 대한 주요 변경 내용은 없습니다.

Azure AI 언어는 텍스트를 이해하고 분석하기 위한 NLP(자연어 처리) 기능을 제공하는 클라우드 기반 서비스입니다. 이 서비스를 사용하면 웹 기반 Language Studio, REST API 및 클라이언트 라이브러리를 사용하여 지능형 애플리케이션을 빌드할 수 있습니다.

사용 가능한 기능

이 언어 서비스는 이전에 사용 가능한 Azure AI 서비스인 Text Analytics, QnA Maker 및 LUIS를 통합합니다. 이러한 서비스에서 마이그레이션해야 하는 경우 아래 마이그레이션 섹션을 참조하세요.

언어 서비스는 다음과 같은 몇 가지 새로운 기능도 제공합니다.

  • 미리 구성되어 있습니다. 즉, 기능에서 사용하는 AI 모델은 사용자 지정할 수 없습니다. 데이터를 보내고 애플리케이션에서 기능의 출력을 사용하기만 하면 됩니다.
  • 사용자 지정 가능. 즉, 데이터를 구체적으로 맞추는 도구를 사용하여 AI 모델을 학습시킬 수 있습니다.

팁

어떤 기능을 사용할지 확실하지 않나요? 결정하는 데 도움이 되도록 어떤 언어 서비스 기능을 사용해야 하나요?를 참조하세요.

Language Studio를 사용하면 코드를 작성하지 않고도 아래 서비스 기능을 사용할 수 있습니다.

NER(명명된 엔터티 인식)

A screenshot of a named entity recognition example.

명명된 엔터티 인식은 여러 미리 정의된 범주에서 비정형 텍스트의 엔터티(단어 또는 구)를 분류하는 미리 구성된 기능입니다. 예: 사람, 이벤트, 장소, 날짜, 등

개인 식별(PII) 및 건강(PHI) 정보 감지

A screenshot of a PII detection example.

PII 검색은 비정형 텍스트 문서와 대화 기록 모두에서 중요한 정보를 식별, 분류 및 수정하는 미리 구성된 기능입니다. 예: 전화 번호, 이메일 주소, 식별 형식 등.

언어 감지

A screenshot of a language detection example.

언어 감지는 문서가 작성된 언어를 감지하고, 다양한 언어, 변형, 방언 및 일부 지역/문화 언어에 대한 언어 코드를 반환하는 미리 구성된 기능입니다.

감정 분석 및 오피니언 마이닝

A screenshot of a sentiment analysis example.

감정 분석 및 오피니언 마이닝은 텍스트에서 긍정적이거나 부정적인 감정에 대한 단서를 마이닝하여 찾아 사람들이 브랜드 또는 항목에 대해 어떻게 생각하는지 알아내는 데 도움이 되며, 이를 텍스트의 특정 측면과 연결할 수 있는 미리 구성된 기능입니다.

요약

A screenshot of a summarization example.

요약은 추출 텍스트 요약을 사용하여 문서 및 대화 기록의 요약을 생성하는 미리 구성된 기능입니다. 원본 콘텐츠 내에서 가장 중요하거나 관련성 있는 정보를 집합적으로 나타내는 문장을 추출합니다.

핵심 구 추출

A screenshot of a key phrase extraction example.

핵심 구 추출은 비정형 텍스트의 주요 개념을 평가 및 반환하고, 이를 목록으로 반환하는 미리 구성된 기능입니다.

엔터티 연결

A screenshot of an entity linking example.

엔터티 연결은 비정형 텍스트에 있는 엔터티(단어 또는 구)의 ID를 명확히 하고, Wikipedia에 대한 링크를 반환하는 미리 구성된 기능입니다.

의료 분야 텍스트 분석

A screenshot of a text analytics for health example.

의료 분야 텍스트 분석은 의사의 기록, 퇴원 요약, 임상 문서 및 전자 건강 기록과 같은 비정형 텍스트에서 관련 의료 정보를 추출하고, 레이블을 지정하는 미리 구성된 기능입니다.

사용자 지정 텍스트 분류

A screenshot of a custom text classification example.

사용자 지정 텍스트 분류를 사용하면 비정형 텍스트 문서를 사용자가 정의한 사용자 지정 클래스로 분류하도록 사용자 지정 AI 모델을 빌드할 수 있습니다.

사용자 지정 NER(사용자 지정 명명된 엔터티 인식)

A screenshot of a custom NER example.

사용자 지정 NER을 사용하면 사용자가 제공하는 비정형 텍스트를 사용하여 사용자 지정 엔터티 범주(단어 또는 구 레이블)를 추출하도록 사용자 지정 AI 모델을 빌드할 수 있습니다.

대화형 언어 이해

A screenshot of a conversational language understanding example.

CLU(대화 언어 이해)를 사용하면 사용자가 들어오는 발화의 전반적인 의도를 예측하고 여기에서 중요한 정보를 추출하도록 사용자 지정 자연어 이해 모델을 빌드할 수 있습니다.

오케스트레이션 워크플로

A screenshot of an orchestration workflow example.

오케스트레이션 워크플로는 CLU(대화 언어 이해),질문 답변 및 LUIS 애플리케이션을 연결하도록 설정하는 사용자 지정 기능입니다.

질문 답변

A screenshot of a question answering example.

질문 답변은 사용자의 입력에 가장 적합한 답변을 찾는 사용자 지정 기능이며, 일반적으로 소셜 미디어 애플리케이션, 챗봇 및 음성 지원 데스크톱 애플리케이션과 같은 대화형 클라이언트 애플리케이션을 빌드하는 데 사용됩니다.

상태에 대한 사용자 지정 텍스트 분석

A screenshot of a custom text analytics for health example.

상태에 대한 사용자 지정 텍스트 분석은 사용자가 만든 모델을 사용하여 비정형 텍스트에서 의료 관련 엔터티를 추출하는 사용자 지정 기능입니다.

어떤 언어 서비스 기능을 사용해야 하나요?

이 섹션은 애플리케이션에 사용해야 하는 언어 서비스 기능을 결정하는 데 도움이 됩니다.

수행할 작업 Document format 최적의 솔루션 이 솔루션을 사용자 지정할 수 있나요?*
PII 및 PHI와 같은 중요한 정보를 검색 및/또는 수정합니다. 구조화되지 않은 텍스트,
전사된 대화		 PII 검색
사용자 지정 모델을 만들지 않고 정보의 범주를 추출합니다. 구조화되지 않은 텍스트 미리 구성된 NER 기능
데이터와 관련된 모델을 사용하여 정보 범주를 추출합니다. 구조화되지 않은 텍스트 사용자 지정 NER ✓
기본 topics 및 중요한 구를 추출합니다. 구조화되지 않은 텍스트 핵심 구문 추출
텍스트로 표현된 감정과 의견을 결정합니다. 구조화되지 않은 텍스트 감정 분석 및 오피니언 마이닝 ✓
긴 텍스트 또는 대화 청크를 요약합니다. 구조화되지 않은 텍스트,
전사된 대화.		 요약
엔터티를 명확히 하고 Wikipedia에 대한 링크를 가져옵니다. 구조화되지 않은 텍스트 엔터티 연결
문서를 하나 이상의 범주로 분류합니다. 구조화되지 않은 텍스트 사용자 지정 텍스트 분류 ✓
모델을 빌드하지 않고 임상/의료 문서에서 의료 정보를 추출합니다. 구조화되지 않은 텍스트 의료 분야 텍스트 분석
데이터에 대해 학습된 모델을 사용하여 임상/의료 문서에서 의료 정보를 추출합니다. 구조화되지 않은 텍스트 상태에 대한 사용자 지정 텍스트 분석
사용자 입력에 응답하는 대화형 애플리케이션을 빌드합니다. 구조화되지 않은 사용자 입력 질문 답변 ✓
텍스트가 작성된 언어를 검색합니다. 구조화되지 않은 텍스트 언어 감지
사용자 입력의 의도를 예측하고 해당 입력에서 정보를 추출합니다. 구조화되지 않은 사용자 입력 대화형 언어 이해 ✓
대화형 언어 이해, LUIS 및 질문 답변에서 앱을 연결합니다. 구조화되지 않은 사용자 입력 오케스트레이션 워크플로 ✓

* 기능이 사용자 지정 가능한 경우, 데이터를 구체적으로 맞추는 도구를 사용하여 AI 모델을 학습시킬 수 있습니다. 그렇지 않으면 기능이 미리 구성되어 있으므로 사용하는 AI 모델을 변경할 수 없습니다. 데이터를 보내고 애플리케이션에서 기능의 출력을 사용하기만 하면 됩니다.

Text Analytics, QnA Maker 또는 LUIS(Language Understanding)에서 마이그레이션

Azure AI 언어는 Azure AI 서비스에 Text Analytics, QnA Maker 및 LUIS(Language Understanding)의 세 가지 개별 언어 서비스를 통합합니다. 이러한 세 가지 서비스를 사용한 경우 새 Azure AI 언어로 쉽게 마이그레이션할 수 있습니다. 자세한 내용은 Azure AI 언어로 마이그레이션을 참조하세요.

자습서

언어 서비스를 시작한 후에는 다양한 시나리오를 해결하는 방법을 보여주는 자습서를 수행해 보세요.

추가 코드 샘플

GitHub에서 다음 언어에 대한 추가 코드 샘플을 찾을 수 있습니다.

Docker 컨테이너를 사용하여 온-프레미스 배포

언어 서비스 컨테이너를 사용하여 온-프레미스에 API 기능을 배포합니다. 이러한 Docker 컨테이너를 사용하면 규정 준수, 보안 또는 기타 운영상의 이유로 서비스를 데이터에 더 가깝게 가져올 수 있습니다. 언어 서비스는 다음과 같은 컨테이너를 제공합니다.

책임 있는 AI

AI 시스템에는 기술뿐만 아니라 기술을 사용하는 사람, 영향을 받는 사람, 배포되는 환경이 포함됩니다. 시스템에서 책임 있는 AI 사용 및 배포에 대해 알아보려면 다음 문서를 읽어보세요.