Présentation
Recherche Azure AI vous permet de créer des solutions de recherche dans lesquelles un pipeline de compétences IA est utilisé pour enrichir les données et remplir un index. Les enrichissements de données effectués par les compétences dans le pipeline complètent les données sources avec des insights tels que :
- La langue dans laquelle un document est écrit.
- Les expressions clés qui peuvent vous aider à déterminer les thèmes principaux ou les sujets abordés dans un document.
- Un score de sentiment qui quantifie dans quelle mesure un document est positif ou négatif.
- Les emplacements, personnes, organisations ou points de repère spécifiques mentionnés dans le contenu.
- Les descriptions des images générées par l’IA ou du texte d’image extrait par reconnaissance optique de caractères (OCR).
Les données enrichies de l’index permettent de créer une solution de recherche complète qui va au-delà de la recherche en texte intégral de base du contenu source.
Bases de connaissances
Si l’index peut être considéré comme la sortie principale d’un processus d’indexation, les données enrichies qu’il contient peuvent également être utiles à d’autres fins. Par exemple :
- Étant donné que l’index est essentiellement une collection d’objets JSON, chacun représentant un enregistrement indexé, il peut être utile d’exporter les objets en tant que fichiers JSON pour les intégrer dans un processus d’orchestration de données à l’aide d’outils tels que Azure Data Factory.
- Vous pouvez normaliser les enregistrements d’index dans un schéma relationnel de tables pour l’analyse et la création de rapports avec des outils tels que Microsoft Power BI.
- Si vous avez extrait des images incorporées de documents pendant le processus d’indexation, vous souhaiterez peut-être enregistrer ces images en tant que fichiers.
Recherche Azure AI prend en charge ces scénarios en vous permettant de définir une base de connaissances dans l’ensemble de compétences qui encapsule votre pipeline d’enrichissement. La base de connaissances comprend des projections des données enrichies, qui peuvent être des objets JSON, des tables ou des fichiers image. Lorsqu’un indexeur exécute le pipeline pour créer ou mettre à jour un index, les projections sont générées et conservées dans la base de connaissances.
Dans ce module, vous allez implémenter une base de connaissances pour Margie’s Travel, une agence de voyages fictive qui utilise des informations dans des brochures et des revues d’hôtel pour aider ses clients à planifier leurs voyages et vous apprendrez comment :
- Créer une base de connaissances à partir d’un pipeline Recherche Azure AI
- Afficher des données dans des projections dans une base de connaissances
Remarque
Ce module part du principe que vous savez déjà comment créer et utiliser une solution Recherche Azure AI qui comprend des compétences intégrées. Si ce n’est pas le cas, effectuez d’abord le module Créer une solution Recherche Azure AI.