Mi az Az Azure AI Nyelv?
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 Language szolgáltatás emellett számos új funkciót is kínál, amelyek a következők lehetnek:
- Előre konfigurált, ami azt jelenti, hogy a szolgáltatás által használt AI-modellek nem testreszabhatók. Csak elküldi az adatokat, és a funkció kimenetét használja az alkalmazásokban.
- Testre szabható, ami azt jelenti, hogy betanít egy AI-modellt az eszközeinkkel, hogy konkrétan illeszkedjen az adataihoz.
Tipp.
Nem tudja, melyik funkciót használja? A döntéshez tekintse meg a Melyik nyelvi szolgáltatás funkciót?
A Language Studio lehetővé teszi az alábbi szolgáltatásfunkciók használatát kódírás nélkül.
Nevesített entitások felismerése (NER)
Az elnevezett entitásfelismerés azonosítja a szöveg különböző bejegyzéseit, és előre definiált típusokba kategorizálja őket.
Személyazonosítás (PII) és állapot (PHI) információészlelés
A PII-észlelés azonosítja az egyénekhez társított szöveg- és beszélgetések (csevegések vagy átiratok) entitásait.
Nyelvfelismerés
A nyelvészlelés kiértékeli a szöveget, és a nyelvek és a variáns dialektusok széles skáláját észleli.
Hangulatelemzés és véleménybányászat
A hangulatelemzés és a véleménybányászat olyan előre konfigurált funkciók, amelyek segítenek kideríteni, hogy az emberek mit gondolnak a márkáról vagy a témáról, ha szöveget bányásznak a pozitív vagy negatív hangulatról, és társíthatják őket a szöveg adott aspektusaival.
Összegzés
Az összegzés a szövegek és a beszélgetések (csevegések és átiratok) információit tömöríti.
A szövegösszesítés egy összegzést hoz létre, amely két megközelítést támogat: a kivonatoló összegzés egy összefoglalót hoz létre a dokumentumon belüli hasznos mondatok kinyerésével, a mondatok helymeghatározási információival és az absztraktív összegzéssel, amely tömör, koherens mondatokkal vagy szavakkal hoz létre összegzést, amelyek nem szó szerint nyernek ki mondatokat az eredeti dokumentumból.
A beszélgetések összegzése a hosszú értekezleteket időbélyeggel ellátott fejezetekbe foglalja össze és szegmentálja. A call center összegzése összefoglalja az ügyfelek problémáit és megoldását.
Kulcsszókeresés
A kulcskifejezések kinyerése egy előre konfigurált funkció, amely kiértékeli és visszaadja a strukturálatlan szöveg fő fogalmait, és listaként adja vissza őket.
Entitáskapcsolás
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.
Text Analytics for Health
Az állapotelemzés a strukturálatlan szövegből kinyeri és címkézi a releváns állapotinformációkat.
Egyéni szövegbesorolás
Az egyéni szövegbesorolás lehetővé teszi egyéni AI-modellek készítését a strukturálatlan szöveges dokumentumok definiált egyéni osztályokba való besorolásához.
Egyéni elnevezett entitásfelismerés (egyéni NER)
Az Egyéni NER lehetővé teszi egyéni AI-modellek készítését egyéni entitáskategóriák (szavak vagy kifejezések címkéi) kinyeréséhez strukturálatlan, Ön által megadott szöveg használatával.
Beszélgetési nyelvtanulás
A társalgási nyelvértés (CLU) lehetővé teszi a felhasználók számára, hogy egyéni természetes nyelvfelismerési modelleket készítsenek a bejövő kimondott szövegek általános szándékának előrejelzéséhez és fontos információk kinyeréséhez.
Vezénylési munkafolyamat
A vezénylési munkafolyamat egy egyéni funkció, amely lehetővé teszi a Beszélgetési nyelv megértése (CLU), a kérdések megválaszolása és a LUIS-alkalmazások összekapcsolását.
Kérdésmegválaszolás
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 létrehozására.
Melyik Nyelvi szolgáltatás funkciót érdemes használni?
Ez a szakasz segít eldönteni, hogy melyik Nyelvi szolgáltatás funkciót érdemes használnia az alkalmazáshoz:
Mit kíván tenni? | Dokumentumformátum | A legjobb megoldás | Testreszabható ez a megoldás?* |
---|---|---|---|
Bizalmas információk, például a PII és a PHI észlelése és/vagy ismételt használata. | Strukturálatlan szöveg, átírt beszélgetések |
PII-észlelés | |
Adatok kategóriáinak kinyerése egyéni modell létrehozása nélkül. | Strukturálatlan szöveg | Az előre konfigurált NER-funkció | |
Az adatokra jellemző modell használatával nyerje ki az információkategóriákat. | Strukturálatlan szöveg | Egyéni NER | ✓ |
Fő témakörök és fontos kifejezések kinyerve. | Strukturálatlan szöveg | Kulcskifejezések kinyerése | |
Határozza meg a szövegben kifejezett véleményeket és véleményeket. | Strukturálatlan szöveg | Hangulatelemzés és véleménybányászat | |
A szöveg vagy beszélgetések hosszú adattömbjeinek összegzése. | Strukturálatlan szöveg, átírt beszélgetések. |
Összefoglaló | |
Egyértelműsítse az entitásokat, és szerezze be a Wikipédiára mutató hivatkozásokat. | Strukturálatlan szöveg | Entitáskapcsolás | |
A dokumentumok besorolása egy vagy több kategóriába. | Strukturálatlan szöveg | Egyéni szövegbesorolás | ✓ |
Orvosi adatok kinyerése klinikai/orvosi dokumentumokból modell létrehozása nélkül. | Strukturálatlan szöveg | Szövegelemzés az állapothoz | |
Hozzon létre egy beszélgetési alkalmazást, amely válaszol a felhasználói bemenetekre. | Strukturálatlan felhasználói bemenetek | Kérdés megválaszolása | ✓ |
A szöveg írási nyelvének észlelése. | Strukturálatlan szöveg | Nyelvfelismerés | |
Előrejelezheti a felhasználói bemenetek szándékát, és információkat nyerhet ki belőlük. | Strukturálatlan felhasználói bemenetek | Beszélgetési nyelvtanulás | ✓ |
Alkalmazások csatlakoztatása beszélgetési nyelvfelismerésből, LUIS-ból és kérdések megválaszolásából. | Strukturálatlan felhasználói bemenetek | Vezénylési munkafolyamat | ✓ |
* Ha egy funkció testre szabható, betaníthat egy AI-modellt az eszközeinkkel, hogy kifejezetten az adatokhoz illeszkedjen. Ellenkező esetben egy szolgáltatás előre konfigurálva van, ami azt jelenti, hogy az általa használt AI-modellek nem módosíthatók. Csak elküldi az adatokat, és a funkció kimenetét használja az alkalmazásokban.
Migrálás Text Analyticsből, QnA Makerből vagy Language Understandingből (LUIS)
Az Azure AI Language három különálló nyelvi szolgáltatást egyesít 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 lehetősége volt a Language service használatának megkezdésére, próbálja ki az oktatóanyagokat, amelyek bemutatják, hogyan oldhat meg különböző forgatókönyveket.
- Kulcskifejezések kinyerése a Power BI-ban tárolt szövegből
- Információk rendezése a Microsoft Excelben a Power Automate használatával
- Szöveg fordítása, hangulatelemzés és beszédszintézis a Flask használatával
- 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 entitásfelismerés
- Text Analytics az állapothoz
- Összefoglaló
Felelős AI
Az AI-rendszerek nem csak a technológiát, hanem a felhasználókat is magukban foglalják, a felhasználókat, akiket érint majd, és a környezet, amelyben üzembe helyezik. Az alábbi cikkekből megtudhatja, hogyan használható a mesterséges intelligencia a rendszerekben: