Reconocimiento de las funcionalidades integradas del servicio Lenguaje de Azure AI
El servicio de Lenguaje de Azure AI proporciona varias características para comprender el lenguaje humano. Puede usar todas las características para comunicarse mejor con los usuarios, entender mejor las comunicaciones entrantes o usarlas conjuntamente para proporcionar más información sobre lo que dice, piensa y pregunta el usuario.
Las características del servicio de Lenguaje de Azure AI se dividen en dos categorías: características preconfiguradas y características aprendidas. Las características aprendidas requieren la creación y el entrenamiento de un modelo para predecir correctamente las etiquetas adecuadas, las cuales se tratan en las próximas unidades de este módulo.
En esta unidad se tratan la mayoría de las funcionalidades del servicio de Lenguaje de Azure AI, pero se dirige a la documentación del servicio de Lenguaje de Azure AI para obtener una lista completa, incluidos los inicios rápidos y una explicación completa de todo lo disponible.
El uso de estas características en la aplicación requiere enviar la consulta al punto de conexión adecuado. El punto de conexión que se usa para consultar una característica específica varía, pero todos ellos tienen el prefijo del recurso de Lenguaje de Azure AI que creó en la cuenta de Azure al crear la solicitud de API o al definir el cliente mediante un SDK. En la siguiente unidad puede encontrar varios ejemplos.
Todas las características preconfiguradas
El servicio de Lenguaje de Azure AI proporciona ciertas características sin ningún etiquetado o entrenamiento de modelos. Una vez creado el recurso, puede enviar los datos y usar los resultados devueltos en la aplicación.
Todas las siguientes características están preconfiguradas.
Resumen
El resumen está disponible para documentos y conversaciones, y resumirá el texto en oraciones clave que se predicen para encapsular el significado de la entrada.
Reconocimiento de entidades con nombre
El reconocimiento de entidades con nombre puede extraer e identificar entidades, como personas, lugares o empresas, lo que permite a la aplicación reconocer diferentes tipos de entidades para mejorar las respuestas del lenguaje natural. Por ejemplo, dado el texto "El muelle frente al mar es mi atracción favorita de Seattle", Seattle se identificaría y clasificaría como una ubicación.
Detección de información de identificación personal
La detección de PII permite identificar, clasificar y censurar información que se podría considerar confidencial, como direcciones de correo electrónico, direcciones principales, direcciones IP, nombres e información de estado protegida. Por ejemplo, si el texto "email@contoso.com" se incluyó en la consulta, se puede identificar y censurar toda la dirección de correo electrónico.
Extracción de la frase clave
La extracción de frases clave es una característica que extrae rápidamente los conceptos principales del texto proporcionado. Por ejemplo, dado el texto "Text Analytics es una de las características de los Servicios de Azure AI", el servicio extraería "Servicios de Azure AI y "Text Analytics".
análisis de opiniones
El análisis de sentimiento identifica cómo es de positiva o negativa una cadena o documento. Por ejemplo, dado el texto "Gran hotel. Cerca de una gran cantidad de bares y atracciones a las que podemos ir caminando", el servicio lo identificaría como positivo con una puntuación de confianza relativamente alta.
Detección de idiomas
La detección de idioma toma uno o varios documentos e identifica el idioma de cada uno. Por ejemplo, si el texto de uno de los documentos era "Bonjour", el servicio lo identificaría como francés.
Características aprendidas
Las características aprendidas requieren que etiquete los datos, entrene e implemente el modelo para que esté disponible para su uso en la aplicación. Estas características permiten personalizar qué información se predice o extrae.
Nota
La calidad de los datos afecta considerablemente a la precisión del modelo. Hay que tener en cuenta los datos que se utilizan, lo bien etiquetados que están y lo variados que son los datos de entrenamiento. Para obtener más información, consulte recomendaciones para etiquetar datos, que incluye instrucciones útiles para el etiquetado de datos. Consulte también las métricas de evaluación que pueden ayudar a aprender dónde necesita mejorar el modelo.
Reconocimiento del lenguaje conversacional (CLU)
CLU es una de las principales características personalizadas que ofrece el Lenguaje de Azure AI. CLU ayuda a los usuarios a crear modelos personalizados de comprensión del lenguaje natural para predecir la intención general y extraer información importante de las expresiones entrantes. CLU requiere que el usuario etiquete los datos para enseñar a predecir intenciones y entidades con precisión.
En el ejercicio de este módulo se creará un modelo CLU y lo usará en la aplicación.
Reconocimiento de entidades con nombre personalizado
El reconocimiento de entidades personalizadas toma datos etiquetados personalizados y extrae entidades especificadas del texto no estructurado. Por ejemplo, si tiene varios documentos de contrato de los que desea extraer partes implicadas, puede entrenar un modelo para reconocer cómo predecirlos.
Clasificación de texto personalizada
La clasificación de texto personalizada permite a los usuarios clasificar texto o documentos como grupos definidos personalizados. Por ejemplo, puede entrenar un modelo para ver artículos de noticias e identificar la categoría en la que deben caer, como Noticias o Entretenimiento.
Respuesta a preguntas
La respuesta a preguntas es una característica preconfigurada principalmente que proporciona respuestas a las preguntas proporcionadas como entrada. Los datos para responder a estas preguntas proceden de documentos como preguntas más frecuentes o manuales.
Por ejemplo, supongamos que quiere hacer que un asistente de chat virtual en el sitio web de su empresa responda a preguntas comunes. Puede usar las preguntas más frecuentes de la empresa como documento de entrada para crear los pares de preguntas y respuestas. Una vez implementado, el asistente de chat puede pasar preguntas de entrada al servicio y obtener las respuestas como resultado.
Para obtener una lista completa de las funcionalidades y cómo usarlas, consulte la documentación del Lenguaje de Azure AI.