Что такое язык ИИ Azure?
Примечание
По состоянию на июль 2023 г. службы ИИ Azure охватывают все службы, которые ранее назывались Cognitive Services и Azure Applied AI Services. Цены не изменяются. Имена Cognitive Services и Прикладной ИИ Azure по-прежнему используются в API выставления счетов, анализа затрат, прейскурантах и ценах Azure. В программных интерфейсах приложений (API) или пакетах SDK нет критических изменений.
Язык ИИ Azure — это облачная служба, которая предоставляет функции обработки естественного языка (NLP) для понимания и анализа текста. Используйте эту службу для создания интеллектуальных приложений, использующих Language Studio на основе веб-интерфейса, REST API и клиентские библиотеки.
Доступные функции
Эта языковая служба объединяет следующие ранее доступные службы ИИ Azure: Анализ текста, QnA Maker и LUIS. Если вам нужно выполнить миграцию из этих служб, см. раздел о миграции ниже.
Языковая служба также предоставляет несколько новых функций, которые могут быть:
- Предварительно настроено, что означает, что модели ИИ, используемые функцией, не настраиваются. Вы просто отправляете свои данные и используете выходные данные компонента в своих приложениях.
- Настраиваемыми — вы обучаете модель ИИ, используя наши средства для точной подгонки данных.
Совет
Не знаете, какую функцию использовать? Сведения о выборе см. в статье Какая функция языковой службы следует использовать?
Language Studio позволяет использовать описанные ниже функции службы без написания кода.
Распознавание именованных сущностей (NER)
Распознавание именованных сущностей — это предварительно настроенная функция, которая классифицирует сущности (слова или фразы) в неструктурированном тексте по нескольким предопределенным группам категорий. Например: люди, события, места, даты и другое.
Обнаружение персональных данных (PII) и сведений о состоянии здоровья (PHI)
Обнаружение личных сведений — это предварительно настроенная функция, которая идентифицирует, классифицирует и отредактирует конфиденциальную информацию как в неструктурированных текстовых документах, так и в расшифровках бесед. Например: номера телефонов, адреса электронной почты, удостоверения личности и другое.
Определение языка
Распознавание языка — это предварительно настроенная функция, которая может определять язык, на который написан документ, и возвращать код языка для широкого спектра языков, вариантов, диалектов и некоторых региональных или культурных языков.
Анализ тональности и интеллектуальный анализ мнений
Анализ тональности и интеллектуальный анализ мнений — это предварительно настроенные функции, которые помогают узнать, что люди думают о вашей торговой марке или теме, используя интеллектуальный анализ текста, чтобы получить подсказки о положительных или отрицательных тональности, и связать их с конкретными аспектами текста.
Сводка
Формирование сводных данных — это предварительно настроенная функция, которая использует сводные данные по извлечению текста для создания сводки документов и транскрибирования бесед. Она извлекает предложения, в сочетании содержащие наиболее важную или релевантную информацию из исходного содержимого.
Извлечение ключевой фразы
Извлечение ключевых фраз — это предварительно настроенная функция, которая оценивает и возвращает main концепции в неструктурированном тексте и возвращает их в виде списка.
Связывание сущностей
Связывание сущностей — это предварительно настроенная функция, которая определяет идентификацию сущностей (слов или фраз), найденных в неструктурированном тексте, и возвращает ссылки на Википедию.
Анализ текста для сферы здравоохранения
Анализ текста для здравоохранения — это предварительно настроенная функция, которая извлекает и помечает соответствующую медицинскую информацию из неструктурированных текстов, таких как заметки врача, выписки, клинические документы и электронные медицинские записи.
Пользовательская классификация текстов
Настраиваемая классификация текста позволяет создавать пользовательские модели ИИ для классификации неструктурированных текстовых документов в определяемые вами пользовательские классы.
Пользовательское распознавание именованных сущностей (пользовательское NER)
Custom NER позволяет создавать пользовательские модели ИИ для извлечения пользовательских категорий сущностей (меток для слов или фраз) с помощью предоставленного неструктурированного текста.
Распознавание разговорной речи
Распознавание устной речи (CLU) позволяет пользователям создавать настраиваемые модели распознавания естественного языка для прогнозирования общего намерения входящего речевого фрагмента и извлечения из него важных сведений.
Рабочий процесс оркестрации
Рабочий процесс оркестрации — это пользовательская функция, которая позволяет подключать распознавание устной речи (CLU), ответы на вопросы и приложения LUIS.
Ответы на вопросы
Ответы на вопросы — это пользовательская функция, которая находит наиболее подходящий ответ на входные данные от пользователей. Функция часто используется для создания клиентских приложений для общения, таких как приложения социальных сетей, чат-боты и классические приложения с поддержкой речи.
Настраиваемая аналитика текста для работоспособности
Пользовательский анализ текста для здравоохранения — это настраиваемая функция, которая извлекает сущности, относящиеся к сфере здравоохранения, из неструктурированного текста с помощью создаваемой модели.
Какую языковую службу следует использовать?
Этот раздел поможет вам решить, какую функцию языковой службы следует использовать для приложения:
| Выбор действия | Формат документа | Лучшее решение | Можно ли настроить это решение?* |
|---|---|---|---|
| Обнаруживайте и (или) редактировать конфиденциальную информацию, такую как PII и PHI. | Неструктурированный текст, транскрибированные беседы |
Обнаружение PII | |
| Извлечение категорий сведений без создания пользовательской модели. | Неструктурированный текст | Предварительно настроенная функция NER | |
| Извлечение категорий информации с помощью модели, относяшейся к вашим данным. | Неструктурированный текст | Пользовательское Распознавание именованных сущностей | ✓ |
| Извлечение main тем и важных фраз. | Неструктурированный текст | Пример. Как извлечь ключевые фразы с помощью Анализа текста | |
| Определите тональность и мнения, выраженные в тексте. | Неструктурированный текст | Анализ тональности и интеллектуальный анализ мнений | ✓ |
| Суммирование длинных фрагментов текста или бесед. | Неструктурированный текст, транскрибированные беседы. |
Сводка | |
| Неоднозначные сущности и получение ссылок на Википедию. | Неструктурированный текст | Связывание сущностей | |
| Классифицируйте документы по одной или нескольким категориям. | Неструктурированный текст | Пользовательская классификация текстов | ✓ |
| Извлечение медицинской информации из клинических или медицинских документов без создания модели. | Неструктурированный текст | Анализ текста для сферы здравоохранения | |
| Извлечение медицинской информации из клинических или медицинских документов с помощью модели, обученной на основе ваших данных. | Неструктурированный текст | Настраиваемая аналитика текста для работоспособности | |
| Создайте приложение для общения, которое реагирует на входные данные пользователя. | Неструктурированные входные данные пользователя | Ответы на вопросы | ✓ |
| Определение языка, на который был написан текст. | Неструктурированный текст | Пример. Как определить язык с помощью Анализа текста | |
| Прогнозирование намерения входных данных пользователем и извлечение информации из них. | Неструктурированные входные данные пользователя | Распознавание разговорной речи | ✓ |
| Подключение приложений из распознавания устной речи, LUIS и ответов на вопросы. | Неструктурированные входные данные пользователя | Рабочий процесс оркестрации | ✓ |
* Если функция настраивается, вы можете обучить модель ИИ с помощью наших инструментов в соответствии с вашими данными. В противном случае функция предварительно настроена, то есть модели ИИ, которые она использует, нельзя изменить. Вы просто отправляете свои данные и используете выходные данные компонента в своих приложениях.
Миграция из служб "Анализ текста", QnA Maker или "Распознавание речи" (LUIS)
Язык ИИ Azure объединяет три отдельные языковые службы в службах ИИ Azure: Анализ текста, QnA Maker и Распознавание речи (LUIS). Если вы использовали эти три службы, вы можете легко перейти на новый язык ИИ Azure. Инструкции см. в статье Переход на язык ИИ Azure.
Руководства
После того как вы начнете использовать языковую службу, просмотрите наше руководство с описанием разных сценариев.
- Извлечение ключевых фраз из текста, хранящегося в Power BI
- Использование Power Automate для сортировки информации в Microsoft Excel
- Использование Flask для перевода текста, анализа тональности и синтезирования речи
- Использование служб ИИ Azure в приложениях на основе холста
- Создание бота для ответов на часто задаваемые вопросы
Дополнительные примеры кода
Дополнительные примеры кода можно найти на GitHub для следующих языков:
Развертывание в локальной среде с помощью контейнеров Docker
Для развертывания функций API в локальной среде используйте контейнеры языковой службы. Эти контейнеры Docker позволяют разместить службу ближе к данным для обеспечения безопасности, соответствия требованиям и других эксплуатационных преимуществ. Для языковой службы предлагаются следующие контейнеры:
- Пример. Как определить тональность с помощью Анализа текста
- Пример. Как определить язык с помощью Анализа текста
- Пример. Как извлечь ключевые фразы с помощью Анализа текста
- Настраиваемый компонент Распознавания именованных сущностей
- Анализ текста для сферы здравоохранения
- Сводка
Ответственный подход к использованию ИИ
Система ИИ — это не только технология, но и ее пользователи, люди, на которых она повлияет, а также среда, в которой она будет развернута. Ознакомьтесь с приведенными ниже статьями, чтобы узнать больше об ответственном использовании и развертывании искусственного интеллекта в своих системах.