De beschikbare functies van Azure AI Language verkennen

  • 6 minuten

Hier verkent u de functies die Azure AI Language biedt en gebruikt u vervolgens de demo-achtige omgeving om een vooraf geconfigureerd sentimentmodel te testen. Vervolgens ziet u de stappen voor het maken, trainen en implementeren van een aangepast model voor het begrijpen van gesprekstaal.

Azure AI Language-functies

Azure AI Language groept de functies in de volgende gebieden:

  1. Tekst classificeren
  2. Vragen en gesprekstaal begrijpen
  3. Informatie extraheren
  4. Tekst samenvatten
  5. Tekst vertalen

Tekst classificeren

A screenshot showing the text classification capabilities.

Vragen en gesprekstaal begrijpen

A screenshot showing question understanding and conversational language capabilities.

Informatie extraheren

A screenshot of the information extraction capabilities

Tekst samenvatten

A screenshot of text summarization capabilities.

Tekst vertalen

A screenshot showing text translation capabilities.

Functies kunnen vooraf worden geconfigureerd of kunnen worden aangepast. Vooraf geconfigureerde functies kunnen direct worden getest met een demo-achtige omgeving rechtstreeks in Language Studio. U kunt ze direct uit de doos gebruiken.

De andere functies met * en groene tandwielen in hun logo hebben gebruikersaanpassing nodig. Ze vereisen dat u hun modellen traint zodat ze uw gegevens beter passen. Nadat u ze hebt getraind, implementeert en kunt u ze vervolgens gebruiken om uw apps aan te zetten of dezelfde demo-achtige testomgeving te gebruiken.

Vooraf geconfigureerde taalfuncties testen en gebruiken

  1. Ga naar Language Studio en meld u aan met uw Azure-account.

  2. Als u nog geen taalresource hebt, maakt u er een.

    A screenshot showing selecting analyze sentiment.

  3. Schuif omlaag naar de sectie Tekst classificeren en selecteer vervolgens Sentiment analyseren en mijnopties.

  4. Schuif omlaag en selecteer vervolgens Servicebeoordeling (lang).

    A screenshot of the demo-like testing environment.

    Lees de beoordelingstekst, hoe positief denkt u dat het is?

  5. Selecteer Uitvoeren.

  6. Bekijk de resultaten.

    A screenshot showing the results of analyzing the sentiment.

U kunt zien hoe het sentimentmodel woorden heeft geïdentificeerd waarmee een algehele positieve score kan worden berekend. In de voorbeeldtekst retourneert het model een positief resultaat van 75% voor het hele document.

U kunt ook inzoomen op afzonderlijke zinnen voor meer details. Azure AI Language biedt vervolgens richtlijnen voor het gebruik van het model in uw eigen apps.

U kunt bijvoorbeeld hetzelfde JSON-antwoord van het model krijgen met behulp van deze curl-instructie in uw ontwikkelomgeving:

curl -v -X POST "https://<YOUR_ENDPOINT_HERE>/language/:analyze-text?api-version=2022-05-01" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: subscription key" --data-ascii "{\"kind\":\"SentimentAnalysis\",\"analysisInput\":{\"documents\":[{\"id\":\"documentId\",\"text\":\"Long waits...BUT FOR GOOD REASON. Some awesome Italian food and great vibes. Contoso Bistro always has live music or events going on to keep you entertained. The food is good enough to keep me entertained though!\n\n        The Contoso Bistro lasagna is a classic! The outdoor back patio is such a vibe, especially in the summer. Great service as well :) Love this place and will be back for more.\",\"language\":\"en\"}]},\"parameters\":{\"opinionMining\":true}}"

Een model voor taalkennis van een gesprek maken, trainen en implementeren

Elk van de aanpasbare functies in Azure AI Language heeft verschillende stappen nodig om de modellen te maken. In dit voorbeeld ziet u hoe u een model voor het begrijpen van een gesprekstaal maakt.

Het begrip van gesprekstaal is bedoeld om een model te bouwen dat de intentie van gesprekstekst voorspelt. Stel bijvoorbeeld een e-mail-app waarmee u kunt chatten om e-mailberichten te verzenden of e-mailberichten te markeren. U traint het model op zinnen zoals 'voeg een vlag toe aan dat e-mailbericht' of 'ok, klaar om te verzenden'. Deze zinnen worden vertaald naar intenties voor flag email en send email.

Als u taalkennis wilt gebruiken, moet u een Azure AI Language-resource hebben die al in Azure is gemaakt. Vervolgens kunt u de volgende stappen uitvoeren in Language Studio:

  1. Op de startpagina selecteert u Conversational Language Understanding op het tabblad Begrip van vragen en gesprekstaal .

  2. Selecteer + Nieuw project maken.

  3. Voer een naam in voor het nieuwe project.

  4. Selecteer uw taal.

  5. Voer een beschrijving in en selecteer Vervolgens.

  6. Selecteer Maken.

    A screenshot of the created conversational language project.

Language Studio begeleidt u door de resterende stappen. Volg de linkernavigatie van boven naar beneden naar:

  1. Maak uw schemadefinitie. Dit omvat het toevoegen van alle intenties en entiteiten waarin uw app geïnteresseerd is.

  2. Labelgegevens. U geeft voorbeelden van chats en utterances, samen met hoe ze worden toegewezen aan entiteiten en intenties.

  3. Uw model trainen. Nadat u de gegevenslabelinformatie hebt toegevoegd, kunt u beginnen met het trainen van uw model. U kunt al uw gegevens splitsen met 80% voor training en 20% voor testen. U kunt ook uw eigen handmatige splitsing maken.

  4. Controleer de prestaties van uw model.

  5. Implementeer uw model. Wanneer u tevreden bent met de prestaties van uw model, implementeert u het. Dit maakt het beschikbaar om aan te roepen als een API vanuit uw app en deze te testen.

  6. Test uw implementatie. Met deze optie kunt u uw model op dezelfde manier testen als vooraf geconfigureerde modellen.

    A screenshot of testing a conversational language understanding model.

Welke functie u ook gebruikt met een model dat u in apps kunt gebruiken om taalkennis toe te voegen.

In de context van Azure AI Search kunnen deze modellen ons helpen onze zoekindexen te verrijken om betere zoekervaringen te creëren. Of geef antwoorden wanneer gebruikers vragen stellen.