Was ist Azure KI Language?
Azure KI Language ist ein cloudbasierter Dienst, der Features zur Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) bietet, um Texte zu verstehen und zu analysieren. Verwenden Sie diesen Dienst, um mithilfe der webbasierten Language Studio-Anwendung, von REST-APIs und Clientbibliotheken intelligente Anwendungen zu erstellen.
Verfügbare Features
Dieser Sprachdienst vereint die folgenden bisher verfügbaren Azure KI Services: Textanalyse, QnA Maker und LUIS. Wenn Sie eine Migration von diesen Diensten durchführen müssen, lesen Sie den Abschnitt zur Migration unten.
Der Sprachdienst bietet außerdem mehrere neue Features, darunter jeweils:
- Vorkonfiguriert, was bedeutet, dass die vom Feature verwendeten KI-Modelle nicht anpassbar sind. Sie senden nur Ihre Daten und verwenden die Ausgabe des Features in Ihren Anwendungen.
- Sie sind anpassbar. Das bedeutet, Sie trainieren ein KI-Modell mit unseren Tools, die speziell an Ihre Daten angepasst werden.
Tipp
Sind Sie nicht sicher, welches Feature Sie verwenden sollen? Hilfe zur Entscheidung finden Sie auf der Seite Was ist Azure Cognitive Service for Language?.
Language Studio ermöglicht Ihnen die Nutzung der nachfolgend aufgeführten Dienstfeatures, ohne dass Sie Code schreiben müssen.
Erkennung benannter Entitäten (NER)
Die Erkennung benannter Entitäten identifiziert unterschiedliche Einträge im Text und kategorisiert sie in vordefinierte Typen.
Erkennung personenbezogener Informationen (PII) und geschützter Gesundheitsinformationen (PHI)
Die PII-Erkennung identifiziert Entitäten in Text und Unterhaltungen (Chats oder Transkripten), die Personen zugeordnet sind.
Sprachenerkennung
Die Sprachenerkennung wertet Text aus und erkennt eine Vielzahl von Sprachen und Dialekten.
Stimmungsanalyse und Opinion Mining
Stimmungsanalyse und Opinion Mining sind vorkonfigurierte Features, mit denen Sie herausfinden können, was Personen über Ihre Marke oder Ihr Thema denken, indem Sie den Text nach Hinweisen auf positive oder negative Stimmungen durchsuchen und diese mit bestimmten Aspekten des Textes in Verbindung bringen können.
Zusammenfassung
Die Zusammenfassung fasst Informationen für Text und Unterhaltungen (Chat und Transkripte) zusammen.
Die Textzusammenfassung generiert eine Zusammenfassung, die zwei Ansätze unterstützt: Die extraktive Zusammenfassung generiert eine Zusammenfassung, indem sie Sätze innerhalb des Dokuments zusammen mit den Positionierungsinformationen dieser Sätze extrahiert; sowie die abstrakte Zusammenfassung, bei der präzise, kohärente Sätzen oder Wörter generiert werden, die keine exakt extrahierten Sätze aus dem Originaldokument sind.
Die Konversationszusammenfassung fasst lange Besprechungen zusammen und segmentiert sie in Kapiteln mit Zeitstempeln. Die Callcenter-Zusammenfassung fasst Probleme von Kund*innen und deren Lösung zusammen.
Schlüsselbegriffserkennung
Die Schlüsselbegriffsextraktion ist ein vorkonfiguriertes Feature, das die wichtigsten Konzepte in unstrukturiertem Text auswertet und als Liste zurückgibt.
Entitätsverknüpfung
Die Entitätsverknüpfung ist ein vorkonfiguriertes Feature, das die Identität von Entitäten (Wörtern oder Ausdrücken), die in unstrukturiertem Text gefunden werden, eindeutig zuordnet und Links zu Wikipedia zurückgibt.
Textanalyse für Gesundheit
Die Textanalyse für Gesundheitsinformationen extrahiert und beschriftet relevante Gesundheitsinformationen aus unstrukturiertem Text.
Benutzerdefinierte Textklassifizierung
Die benutzerdefinierte Textklassifizierung ermöglicht Ihnen das Erstellen benutzerdefinierte KI-Modelle zum Klassifizieren unstrukturierter Textdokumente in von Ihnen definierte benutzerdefinierte Klassen.
Benutzerdefinierte benannte Entitätserkennung
Mit der benutzerdefinierten Erkennung benannter Entitäten können Sie benutzerdefinierte KI-Modelle erstellen, um benutzerdefinierte Entitätskategorien (Bezeichnungen für Wörter oder Ausdrücke) aus von Ihnen bereitgestelltem unstrukturiertem Text zu extrahieren.
Unterhaltungssprachverständnis
Conversational Language Understanding (CLU) ermöglicht Benutzern das Erstellen benutzerdefinierter Modelle zum Verstehen natürlicher Sprache, um die allgemeine Absicht einer empfangenen Äußerung vorherzusagen und wichtige Informationen daraus zu extrahieren.
Orchestrierungsworkflow
Der Orchestrierungsworkflow ist ein benutzerdefiniertes Feature, mit dem Sie Conversational Language Understanding (CLU), Fragen und Antworten und LUIS-Anwendungen miteinander verbinden können.
Fragen und Antworten
Fragen und Antworten ist ein benutzerdefiniertes Feature, das die am besten geeignete Antwort für Eingaben Ihrer Benutzer findet. Es wird häufig für die Erstellung von unterhaltungsbasierten Clientanwendungen verwendet, wie z. B. Social Media-Anwendungen, Chatbots und sprachgesteuerte Desktopanwendungen.
Welches Sprachdienstfeature soll ich verwenden?
In diesem Abschnitt finden Sie Informationen, die Ihnen bei der Entscheidung helfen, welches Sprachdienstfeature Sie für Ihre Anwendung verwenden sollten:
| Was möchten Sie tun? | Dokumentformat | Für Sie am besten geeignete Lösung | Ist diese Lösung anpassbar?* |
|---|---|---|---|
| Erkennen und/oder Redigieren von vertraulichen Informationen wie personenbezogenen Informationen (Personal Identifiable Information, PII) und geschützten Gesundheitsdaten (Protected Health Information, PHI) | Unstrukturierter Text, transkribierte Unterhaltungen |
PII-Erkennung | |
| Extrahieren von Informationskategorien, ohne ein benutzerdefiniertes Modell zu erstellen | Unstrukturierter Text | Das vorkonfigurierte NER-Feature | |
| Extrahieren von Informationskategorien mithilfe eines für Ihre Daten spezifischen Modells | Unstrukturierter Text | Benutzerdefinierte Erkennung benannter Entitäten (Named Entity Recognition, NER) | ✓ |
| Extrahieren von wesentlichen Themen und wichtigen Ausdrücke | Unstrukturierter Text | Schlüsselbegriffserkennung | |
| Bestimmen von in Text ausgedrückten Standpunkten und Meinungen | Unstrukturierter Text | Stimmungsanalyse und Opinion Mining | |
| Zusammenfassen langer Textblöcke oder Unterhaltungen | Unstrukturierter Text, transkribierte Unterhaltungen |
Zusammenfassung | |
| Beseitigen von Mehrdeutigkeiten in Entitäten und Einrichten von Links zu Wikipedia | Unstrukturierter Text | Entitätsverknüpfung | |
| Klassifizieren von Dokumenten in eine oder mehrere Kategorien | Unstrukturierter Text | Benutzerdefinierte Textklassifizierung | ✓ |
| Extrahieren Sie medizinische Informationen aus klinischen/medizinischen Dokumenten, ohne ein Modell zu erstellen. | Unstrukturierter Text | Text Analytics for Health (Textanalyse für Gesundheitsdaten) | |
| Erstellen einer Unterhaltungsanwendung, die auf Benutzereingaben reagiert. | Unstrukturierte Benutzereingaben | Fragen und Antworten | ✓ |
| Erkennen der Sprache, in der ein Text geschrieben wurde | Unstrukturierter Text | Sprachenerkennung | |
| Vorhersagen der Absicht von Benutzereingaben und Extrahieren von Informationen aus diesen | Unstrukturierte Benutzereingaben | Unterhaltungssprachverständnis | ✓ |
| Verbinden von Apps mit Conversational Language Understanding, LUIS sowie Fragen und Antworten | Unstrukturierte Benutzereingaben | Orchestrierungsworkflows | ✓ |
* Wenn ein Feature anpassbar ist, können Sie ein KI-Modell mithilfe unserer Tools trainieren, um Ihre Daten speziell anzupassen. Andernfalls wird ein Feature vorkonfiguriert, was bedeutet, dass die verwendeten KI-Modelle nicht geändert werden können. Sie senden nur Ihre Daten und verwenden die Ausgabe des Features in Ihren Anwendungen.
Migration von Textanalyse, QnA Maker oder Language Understanding (LUIS)
Azure KI Language vereint drei einzelne Sprachdienste in Azure KI Services : Textanalyse, QnA Maker und Language Understanding (LUIS). Wenn Sie bisher diese drei Dienste verwendet haben, können Sie problemlos zum neuen Dienst Azure KI Language migrieren. Eine Anleitung finden Sie unter Migrieren zu Azure KI Language.
Lernprogramme
Nachdem Sie Gelegenheit hatten, erste Schritte mit dem Language-Dienst auszuführen, erfahren Sie in unseren Tutorials mehr zu verschiedenen Szenarien.
- Extrahieren von Schlüsselwörtern aus Text, der in Power BI gespeichert ist
- Verwenden von Power Automate zum Sortieren von Informationen in Microsoft Excel
- Übersetzen von Text, Analysieren der Stimmung und Synthetisieren von Sprache mithilfe von Flask
- Verwenden von Azure KI Services in Canvas-Apps
- Erstellen eines Bots für häufig gestellte Fragen
Weitere Codebeispiele
Weitere Codebeispiele für die folgenden Sprachen finden Sie auf GitHub:
Lokales Bereitstellen unter Verwendung von Docker-Containern
Verwenden Sie Container für den Sprachdienst, um API-Features lokal bereitzustellen. Mithilfe dieser Docker-Container können Sie den Dienst näher an Ihre Daten heranbringen, um Compliance- oder Sicherheitsanforderungen zu erfüllen oder anderen betrieblichen Anforderungen gerecht zu werden. Der Sprachdienst bietet folgende Container:
- Standpunktanalyse
- Sprachenerkennung
- Schlüsselbegriffserkennung
- Benutzerdefinierte Erkennung benannter Entitäten (Custom Named Entity Recognition)
- Text Analytics for Health
- Zusammenfassung
Verantwortungsbewusste künstliche Intelligenz
Ein KI-System umfasst nicht nur die Technologie, sondern auch die Personen, die das System verwenden, die davon betroffenen Personen und die Umgebung, in der es bereitgestellt wird. Lesen Sie die folgenden Artikel, um mehr über verantwortungsvolle KI-Nutzung und -Bereitstellung in Ihren Systemen zu erfahren: