Come creare progetti di riconoscimento di entità denominate (NER) personalizzato

Questo articolo descrive come configurare i requisiti per iniziare con il riconoscimento di entità denominate (NER) personalizzato e creare un progetto.

Prerequisiti

Prerequisiti per iniziare a usare il riconoscimento di entità denominate (NER) personalizzato:

• Una sottoscrizione di Azure. Crearne una gratuitamente.

Creare una risorsa del servizio Lingua

Prima di iniziare a utilizzare il NER personalizzato, è necessaria una risorsa Lingua di Azure AI. È preferibile creare una risorsa Lingua e connettervi un account di archiviazione nel portale di Azure. La creazione di una risorsa nel portale di Azure consente di creare contemporaneamente un account di archiviazione di Azure con tutte le autorizzazioni necessarie preconfigurate. Per informazioni su come usare una risorsa preesistente e configurarla per l'uso con il riconoscimento di entità denominate personalizzato, è possibile leggere anche altre informazioni nell'articolo.

Sarà necessario anche un account di archiviazione di Azure in cui verranno caricati i documenti .txt che verranno usati per il training di un modello per l’estrazione di entità.

Nota

• Per creare una risorsa linguistica, è necessario avere un ruolo di proprietario assegnato nel gruppo di risorse.
• Se si connetterà un account di archiviazione preesistente, è necessario assegnarvi un ruolo di proprietario.

Creare una risorsa Lingua e connettere un account di archiviazione

È possibile creare una risorsa nei modi seguenti:

• Il portale di Azure
• Language Studio
• PowerShell

Nota

Non è consigliabile spostare l'account di archiviazione in un gruppo di risorse o una sottoscrizione diversa dopo che è collegato alla risorsa Lingua.

Creare una nuova risorsa dal portale di Azure

1. Accedere al portale di Azure per creare una nuova risorsa di Lingua di Azure AI.

2. Nella finestra visualizzata, selezionare Classificazione personalizzata del testo Riconoscimento entità denominata personalizzata dalle funzionalità personalizzate. Selezionare Continua per creare la risorsa nella parte inferiore dello schermo.

   

3. Creare una risorsa linguistica con i dettagli seguenti.

   Nome	Descrizione
   Abbonamento	La sottoscrizione di Azure.
   Gruppo di risorse	Un gruppo di risorse di Azure che conterrà la risorsa. È possibile usarne uno esistente o crearne uno nuovo.
   Area	L’area per la risorsa Lingua. Ad esempio, "Stati Uniti occidentali 2".
   Nome	Un nome per la risorsa.
   Piano tariffario	Il piano tariffario per la risorsa Lingua. Per provare il servizio, è possibile usare il livello gratuito (F0).

   Nota

   Se viene visualizzato un messaggio che indica che “l'account di accesso non è un proprietario del gruppo di risorse dell'account di archiviazione selezionato”, è necessario assegnare all'account un ruolo di proprietario nel gruppo di risorse per poter creare una risorsa linguistica. Per assistenza contattare il proprietario della sottoscrizione di Azure.

4. Nella sezione Classificazione personalizzata del testo Riconoscimento entità denominata personalizzata, selezionare un account di archiviazione esistente o scegliere Nuovo account di archiviazione. Questi valori consentono di iniziare senza usare necessariamente i valori dell'account di archiviazione usati in ambienti di produzione. Per evitare la latenza durante la creazione del progetto, connettersi agli account di archiviazione nella stessa area della risorsa linguistica.

   Valore dell'account di archiviazione	Valore consigliato
   Nome account di archiviazione	Qualsiasi nome
   Storage account type	LRS Standard

5. Accertarsi che sia selezionata l’opzione Avviso intelligenza artificiale responsabile. Selezionare Rivedi + crea nella parte inferiore della pagina, quindi selezionare Crea.

Creare una nuova risorsa Lingua da Language Studio

Al primo accesso verrà visualizzata una finestra in Language Studio che consente di scegliere una risorsa linguistica esistente o crearne una nuova. È possibile creare una risorsa anche facendo clic sull'icona delle impostazioni nell'angolo superiore destro, selezionando Risorse e facendo clic su Crea una nuova risorsa.

Creare una risorsa linguistica con i dettagli seguenti.

Dettagli dell'istanza	Valore obbligatorio
Sottoscrizione di Azure	la propria sottoscrizione di Azure
Gruppo di risorse di Azure	Il gruppo di risorse di Azure
Nome risorsa di Azure	Il nome della risorsa di Azure
Ufficio	L’area della risorsa Lingua.
Piano tariffario	Il piano tariffario della risorsa Lingua.

Importante

• Abilitare Identità gestita durante la creazione di una risorsa linguistica.
• Leggere e accettare l'avviso intelligenza artificiale responsabile

Per usare il riconoscimento di entità denominate personalizzato, è necessario creare un account di archiviazione di Azure se ancora non ne esiste uno.

Creare una nuova risorsa Lingua usando PowerShell

È possibile creare una nuova risorsa e un account di archiviazione usando i file del modello e dei parametri seguenti dell'interfaccia della riga di comando ospitati in GitHub.

Modificare i valori seguenti nel file di parametri:

Nome parametro	Descrizione valore
name	Assegnare un nome alla risorsa Lingua
location	Area in cui è ospitata la risorsa. Per altre informazioni, vedere Limiti del servizio.
sku	Piano tariffario della risorsa.
storageResourceName	Assegnare un nome all'account di archiviazione
storageLocation	Area in cui è ospitato l'account di archiviazione.
storageSkuType	SKU dell'account di archiviazione.
storageResourceGroupName	Gruppo di risorse dell’account di archiviazione

Usare il comando PowerShell seguente per distribuire il modello di Azure Resource Manager (ARM) con i file modificati.

New-AzResourceGroupDeployment -Name ExampleDeployment -ResourceGroupName ExampleResourceGroup `
  -TemplateFile <path-to-arm-template> `
  -TemplateParameterFile <path-to-parameters-file>

Per informazioni sui modelli di distribuzione e sui file di parametri, vedere la documentazione del modello di Resource Manager.

Nota

• Il processo di connessione di un account di archiviazione alla risorsa Lingua è irreversibile e non è possibile la disconnessione in un secondo momento.
• È possibile connettere la risorsa Lingua a un solo account di archiviazione.

Uso di una risorsa Lingua preesistente

È possibile usare una risorsa Lingua esistente per iniziare a usare il riconoscimento di entità denominate (NER) personalizzato, purché questa risorsa soddisfi i requisiti seguenti:

Requisito	Descrizione
Aree	Accertarsi che il provisioning della risorsa esistente sia eseguito in una delle aree supportate. In caso contrario, sarà necessario creare una nuova risorsa in una di queste aree.
Piano tariffario	Consultare altre informazioni sui piani tariffari supportati.
Identità gestita	Accertarsi che l'impostazione dell'identità gestita della risorsa sia abilitata. In caso contrario, leggere la sezione successiva.

Per usare il riconoscimento di entità denominate personalizzato, è necessario creare un account di archiviazione di Azure se ancora non ne esiste uno.

Abilitare la gestione dell’identità per la risorsa

Azure portal

La risorsa Lingua deve avere la gestione delle identità per abilitarla usando il portale di Azure:

1. Accedere alla risorsa Lingua
2. Nel menu a sinistra, nella sezione Gestione risorse, selezionare Identità
3. Nella scheda Assegnata dal sistema, accertarsi che lo Stato sia impostato su Attivo

Language Studio

La risorsa Linguaggio deve avere la gestione delle identità; per abilitarla tramite Studio di linguaggio:

1. Selezionare l'icona delle impostazioni nell'angolo superiore destro dello schermo
2. Selezionare Risorse
3. Selezionare la casella di controllo Identità gestita per la risorsa Lingua di Azure AI.

Abilitare la funzione di riconoscimento di entità denominate personalizzato

Abilitare la funzione Classificazione personalizzata del testo / Riconoscimento di entità denominate personalizzato dal portale di Azure.

1. Passare alla risorsa di lingua nel portale di Azure.
2. Nel menu a sinistra, nella sezione Gestione risorse, selezionare Funzionalità.
3. Abilitare la funzione Classificazione personalizzata del testo / Riconoscimento di entità denominate personalizzato.
4. Collegare un account di archiviazione.
5. Selezionare Applica.

Importante

• Accertarsi che alla risorsa Lingua sia stato assegnato il ruolo di collaboratore ai dati dei BLOB di archiviazione nell'account di archiviazione che viene collegato.

Aggiungere ruoli richiesti

Usare la procedura seguente per impostare i ruoli richiesti per la risorsa Lingua e l'account di archiviazione.

Ruoli per la risorsa Lingua di Azure AI

1. Accedere all’account di archiviazione o alla risorsa Lingua nel portale di Azure.

2. Selezionare Controllo di accesso (IAM) nel menu di spostamento a sinistra.

3. Selezionare Aggiungi per aggiungere assegnazioni di ruolo e scegliere il ruolo appropriato per l'account.

   È necessario disporre del ruolo di proprietario o collaboratore sulla risorsa Lingua.

4. In Assegna accesso a, selezionare Utente, gruppo o entità servizio

5. Scegliere Seleziona membri

6. Selezionare il proprio nome utente. È possibile cercare nomi utente nel campo Seleziona. Ripetere questa operazione per tutti i ruoli.

7. Ripetere questa procedura per tutti gli account utente che devono accedere a questa risorsa.

Ruoli per l’account di archiviazione

1. Accedere alla pagina dell’account di archiviazione nel portale di Azure.
2. Selezionare Controllo di accesso (IAM) nel menu di spostamento a sinistra.
3. Selezionare Aggiungi per aggiungere assegnazioni di ruolo e scegliere il ruolo di collaboratore ai dati del BLOB di archiviazione nell'account di archiviazione.
4. In Assegna accesso a, selezionare Identità gestita.
5. Scegliere Seleziona membri
6. Selezionare la propria sottoscrizione e la Lingua come identità gestita. È possibile cercare nomi utente nel campo Seleziona.

Ruoli per l'utente

Importante

Se si ignora questo passaggio, si riscontrerà un errore 403 quando si tenta di connettersi al progetto personalizzato. È importante che l'utente corrente abbia questo ruolo per accedere ai dati BLOB dell'account di archiviazione, anche se si è il proprietario dell'account di archiviazione.

1. Accedere alla pagina dell’account di archiviazione nel portale di Azure.
2. Selezionare Controllo di accesso (IAM) nel menu di spostamento a sinistra.
3. Selezionare Aggiungi per aggiungere assegnazioni di ruolo e scegliere il ruolo di collaboratore ai dati del BLOB di archiviazione nell'account di archiviazione.
4. In Assegna accesso a, selezionare Utente, gruppo o entità servizio.
5. Scegliere Seleziona membri
6. Selezionare l'utente. È possibile cercare nomi utente nel campo Seleziona.

Importante

Se si dispone di una rete virtuale o di un endpoint privato, selezionare Consenti ai servizi di Azure nell'elenco dei servizi attendibili di accedere a questo account di archiviazione nel portale di Azure.

Abilitare CORS per l'account di archiviazione

Consentire i metodi (GET, PUT, DELETE) quando si abilita la condivisione di risorse tra origini (CORS). Impostare il campo delle origini consentite su https://language.cognitive.azure.com. Consentire tutte le intestazioni aggiungendo * ai valori di intestazione consentiti e impostare la validità massima su 500.

Creare un progetto di Riconoscimento entità denominata personalizzata

Dopo aver configurato la risorsa e il contenitore di archiviazione, creare un nuovo progetto di riconoscimento di entità denominate (NER) personalizzato. Un progetto è un'area di lavoro per la generazione di modelli di Machine Learning personalizzati in base ai propri dati. Al progetto può accedere solo l'utente e altri utenti che hanno accesso alla risorsa di Azure in uso. Se sono stati etichettati dati, è possibile usarli per iniziare con l’importazione di un progetto.

Language Studio

1. Accedere a Language Studio. Verrà visualizzata una finestra che consente di selezionare la sottoscrizione e la risorsa linguistica. Selezionare la risorsa Lingua creata nel passaggio precedente.

2. Nella sezione Estrai informazioni di Language Studio, selezionare Riconoscimento di entità denominate personalizzato.

   

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consentirà di aggiungere tag ai dati, eseguire il training, valutare, migliorare e distribuire i modelli.

   

4. Dopo aver fatto clic su Crea nuovo progetto, verrà visualizzata una finestra che consente di connettere il proprio account di archiviazione. Se è già stato connesso un account di archiviazione, verrà visualizzato l'account di archiviazione connesso. In caso contrario, scegliere l'account di archiviazione dall'elenco a discesa visualizzato e selezionare Connetti account di archiviazione. Verranno impostati i ruoli necessari per l'account di archiviazione. Questo passaggio potrebbe restituire un errore se all’utente non è assegnato il ruolo di proprietario nell'account di archiviazione.

   Nota

   • È necessario eseguire questo passaggio una sola volta per ogni nuova risorsa usata.
   • Questo processo è irreversibile, per cui se si connette un account di archiviazione a una risorsa linguistica, non sarà possibile disconnetterlo in un secondo momento.
   • È possibile connettere una risorsa linguistica a un solo account di archiviazione.

   

5. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei file nel progetto. Se si usa il set di dati di esempio, selezionare Inglese. Non sarà possibile modificare il nome del progetto in un secondo momento. Selezionare Avanti.

   Suggerimento

   Il set di dati non deve essere tutto nella stessa lingua. È possibile avere più documenti, ognuno con diverse lingue supportate. Se il set di dati contiene documenti in lingue diverse o se si prevede testo in lingue diverse durante il runtime, selezionare l’opzione Abilita set di dati multilingue quando si immettono le informazioni di base per il progetto. Questa opzione può essere abilitata in un secondo momento dalla pagina Impostazioni progetto.

6. Selezionare il contenitore in cui è stato caricato il set di dati. Se i dati sono già stati etichettati, accertarsi che seguano il formato supportato e selezionare Sì, i file sono già etichettati e il file di etichette JSON è formattato, quindi selezionare il file di etichette dal menu a discesa. Selezionare Avanti.

7. Rivedere i dettagli immessi e selezionare Crea progetto.

API REST

Per iniziare a creare un modello di riconoscimento di entità denominate personalizzato, è necessario creare un progetto. La creazione di un progetto consentirà di etichettare i dati, eseguire il training, valutare, migliorare e distribuire i modelli.

Nota

Il nome del progetto distingue maiuscole e minuscole per tutte le operazioni.

Inviare una richiesta PATCH usando l'URL, le intestazioni e il corpo JSON seguenti per creare un progetto.

Richiesta URL

Usare l'URL seguente per creare un progetto. Sostituire i valori segnaposto seguenti con i propri valori.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{API-VERSION}	La versione dell'API che si sta chiamando. Il valore a cui si fa riferimento qui è relativo alla versione più recente rilasciata. Per altre informazioni sulle altre versioni dell'API disponibili, vedere Ciclo di vita del modello.	2022-05-01

Intestazioni

Usare l'intestazione seguente per autenticare la richiesta.

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave della risorsa. È usata per l’autenticazione delle richieste API.

Corpo

Usare il JSON seguente nella richiesta. Sostituire i valori segnaposto seguenti con i propri valori.

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "CustomEntityRecognition",
  "description": "Project description",
  "multilingual": "True",
  "storageInputContainerName": "{CONTAINER-NAME}"
}

Chiave	Segnaposto	Valore	Esempio
projectName	{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
linguaggio	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per i documenti usati nel progetto. Se il progetto è un progetto multilingue, scegliere il codice lingua della maggior parte dei documenti. Per altre informazioni sui codici lingua supportati, vedere Supporto lingue.	en-us
projectKind	CustomEntityRecognition	Il tipo di progetto.	CustomEntityRecognition
multilingual	true	Un valore booleano che consente di avere documenti in più lingue nel set di dati; quando il modello viene distribuito, è possibile eseguire query sul modello in qualunque lingua supportata (non necessariamente inclusa nei documenti di training). Per altre informazioni sul supporto multilingue, vedere Supporto lingue.	true
storageInputContainerName	{CONTAINER-NAME	Il nome del contenitore di archiviazione di Azure in cui sono stati caricati i documenti.	myContainer

Questa richiesta restituirà una risposta 201 indicante che il progetto è stato creato.

Questa richiesta restituirà un errore se:

• La risorsa selezionata non dispone dell’autorizzazione appropriata per l'account di archiviazione.

Importare il progetto

Se i dati sono già etichettati, è possibile usarli per iniziare a usare il servizio. Accertarsi che i dati etichettati seguano i formati di dati accettati.

Language Studio

1. Accedere a Language Studio. Verrà visualizzata una finestra che consente di selezionare la sottoscrizione e la risorsa linguistica. Selezionare la risorsa Lingua.

2. Nella sezione Estrai informazioni di Language Studio, selezionare Riconoscimento di entità denominate personalizzato.

   

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consentirà di aggiungere tag ai dati, eseguire il training, valutare, migliorare e distribuire i modelli.

   

4. Dopo aver fatto clic su Crea nuovo progetto, verrà visualizzata una schermata per consentire la connessione dell'account di archiviazione. Se non si riesce a trovare l'account di archiviazione, creare una risorsa usando la procedura consigliata. Se è già stato connesso un account di archiviazione alla risorsa Lingua, verrà visualizzato l'account di archiviazione connesso.

   Nota

   • Questo passaggio deve essere eseguito una sola volta per ogni nuova risorsa linguistica usata.
   • Questo processo è irreversibile, per cui se si connette un account di archiviazione a una risorsa linguistica, non sarà possibile disconnetterlo in un secondo momento.
   • È possibile connettere una risorsa linguistica a un solo account di archiviazione.

   

5. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei file nel progetto. Non sarà possibile modificare il nome del progetto in un secondo momento. Selezionare Avanti.

   Suggerimento

   Il set di dati non deve essere tutto nella stessa lingua. È possibile avere più documenti, ognuno con diverse lingue supportate. Se il set di dati contiene documenti in lingue diverse o se si prevede testo in lingue diverse durante il runtime, selezionare l’opzione Abilita set di dati multilingue quando si immettono le informazioni di base per il progetto. Questa opzione può essere abilitata in un secondo momento dalla pagina Impostazioni progetto.

6. Selezionare il contenitore in cui è stato caricato il set di dati.

7. Selezionare Sì, i file sono già etichettati e il file di etichette JSON è formattato e selezionare il file di etichette dal menu a discesa seguente per importare il file di etichette JSON. Accertarsi che segua il formato supportato.

8. Selezionare Avanti.

9. Esaminare i dati immessi e selezionare Crea progetto.

API REST

Inviare una richiesta POST usando l'URL, le intestazioni e il corpo JSON seguenti per importare il file di etichette. Accertarsi che il file di etichette rispetti il formato accettato.

Se esiste già un progetto con lo stesso nome, i dati di tale progetto vengono sostituiti.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/:import?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{API-VERSION}	La versione dell'API che si sta chiamando. Il valore a cui si fa riferimento qui è relativo alla versione più recente rilasciata. Per altre informazioni sulle altre versioni dell'API disponibili, vedere Ciclo di vita del modello.	2022-05-01

Intestazioni

Usare l'intestazione seguente per autenticare la richiesta.

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave della risorsa. È usata per l’autenticazione delle richieste API.

Corpo

Usare il JSON seguente nella richiesta. Sostituire i valori segnaposto seguenti con i propri valori.

{
    "projectFileVersion": "{API-VERSION}",
    "stringIndexType": "Utf16CodeUnit",
    "metadata": {
        "projectName": "{PROJECT-NAME}",
        "projectKind": "CustomEntityRecognition",
        "description": "Trying out custom NER",
        "language": "{LANGUAGE-CODE}",
        "multilingual": true,
        "storageInputContainerName": "{CONTAINER-NAME}",
        "settings": {}
    },
    "assets": {
    "projectKind": "CustomEntityRecognition",
        "entities": [
            {
                "category": "Entity1"
            },
            {
                "category": "Entity2"
            }
        ],
        "documents": [
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 500,
                        "labels": [
                            {
                                "category": "Entity1",
                                "offset": 25,
                                "length": 10
                            },
                            {
                                "category": "Entity2",
                                "offset": 120,
                                "length": 8
                            }
                        ]
                    }
                ]
            },
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 100,
                        "labels": [
                            {
                                "category": "Entity2",
                                "offset": 20,
                                "length": 5
                            }
                        ]
                    }
                ]
            }
        ]
    }
}

Chiave	Segnaposto	Valore	Esempio
api-version	{API-VERSION}	La versione dell'API che si sta chiamando. La versione usata qui deve essere la stessa versione dell'API nell'URL. Altre informazioni su altre versioni dell’API disponibili	2022-03-01-preview
projectName	{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
projectKind	CustomEntityRecognition	Il tipo di progetto.	CustomEntityRecognition
language	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per i documenti usati nel progetto. Se il progetto è un progetto multilingue, scegliere il codice lingua della maggior parte dei documenti.	en-us
multilingual	true	Un valore booleano che consente di avere documenti in più lingue nel set di dati; quando il modello viene distribuito, è possibile eseguire query sul modello in qualunque lingua supportata (non necessariamente inclusa nei documenti di training). Per informazioni sul supporto multilingue, vedere Supporto lingue.	true
storageInputContainerName	{CONTAINER-NAME}	Il nome del contenitore di archiviazione di Azure in cui sono stati caricati i documenti.	myContainer
entities		Array contenente tutti i tipi di entità inclusi nel progetto. Sono i tipi di entità che verranno estratti dai documenti.
documents		Array contenente tutti i documenti nel progetto e l'elenco delle entità etichettate all'interno di ogni documento.	[]
location	{DOCUMENT-NAME}	Posizione dei documenti nel contenitore di archiviazione. Siccome tutti i documenti sono inclusi nella radice del contenitore, deve essere il nome del documento.	doc1.txt
dataset	{DATASET}	Il set di test a cui verrà sottoposto questo file quando verrà diviso prima del training. Per altre informazioni su come dividere i dati, vedere Come eseguire il training di un modello. I valori possibili per questo campo sono Train e Test.	Train

Dopo aver inviato la richiesta API, si riceverà una risposta 202 che indica che il processo è stato inviato correttamente. Nelle intestazioni della risposta estrarre il valore operation-location. Il formato sarà simile al seguente:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} viene usato per identificare la richiesta, poiché questa operazione è asincrona. Questo URL verrà usato per ottenere lo stato del processo di importazione.

Possibili scenari di errore per questa richiesta:

• La risorsa selezionata non dispone delle autorizzazioni appropriate per l'account di archiviazione.
• Il valore storageInputContainerName specificato non esiste.
• Il codice lingua usato non è non valido o il tipo del codice lingua non è stringa.
• Il valore multilingual è una stringa e non un valore booleano.

Ottenere i dettagli del progetto

Language Studio

1. Accedere alla pagina delle impostazioni del progetto in Language Studio.

2. È possibile visualizzare i dettagli del progetto.

3. In questa pagina è possibile aggiornare la descrizione del progetto e abilitare/disabilitare il set di dati multilingue nelle impostazioni del progetto.

4. È anche possibile visualizzare il contenitore e l'account di archiviazione connessi alla risorsa Lingua.

5. Da questa pagina è possibile anche recuperare la chiave della risorsa primaria.

   

API REST

Usare la richiesta GET seguente per ottenere i dettagli del progetto. Sostituire i valori segnaposto seguenti con i propri valori.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{API-VERSION}	La versione dell'API che viene richiamata. Per altre informazioni su altre versioni disponibili dell’API, vedere Ciclo di vita di un modello.	2022-05-01

Intestazioni

Usare l'intestazione seguente per autenticare la richiesta.

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave della risorsa. È usata per l’autenticazione delle richieste API.

Corpo della risposta

    {
        "createdDateTime": "2021-10-19T23:24:41.572Z",
        "lastModifiedDateTime": "2021-10-19T23:24:41.572Z",
        "lastTrainedDateTime": "2021-10-19T23:24:41.572Z",
        "lastDeployedDateTime": "2021-10-19T23:24:41.572Z",
        "projectKind": "CustomEntityRecognition",
        "storageInputContainerName": "{CONTAINER-NAME}",
        "projectName": "{PROJECT-NAME}",
        "multilingual": false,
        "description": "Project description",
        "language": "{LANGUAGE-CODE}"
    }

Valore	Segnaposto	Descrizione	Esempio
projectKind	CustomEntityRecognition	Il tipo di progetto.	CustomEntityRecognition
storageInputContainerName	{CONTAINER-NAME}	Il nome del contenitore di archiviazione di Azure in cui sono stati caricati i documenti.	myContainer
projectName	{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
multilingual	true	Un valore booleano che consente di avere documenti in più lingue nel set di dati; quando il modello viene distribuito, è possibile eseguire query sul modello in qualunque lingua supportata (non necessariamente inclusa nei documenti di training). Per altre informazioni sul supporto multilingue, vedere Supporto lingue.	true
language	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per i documenti usati nel progetto. Se il progetto è un progetto multilingue, scegliere il codice lingua della maggior parte dei documenti.	en-us

Dopo aver inviato la richiesta API, si riceverà una risposta 200 indicante l'esito positivo e il corpo della risposta JSON con i dettagli del progetto.

Eliminare un progetto

Language Studio

Quando il progetto non è più necessario, è possibile eliminarlo usando Language Studio. Selezionare Riconoscimento di entità denominate (NER) personalizzato in alto, quindi selezionare il progetto da eliminare, infine selezionare Elimina nel menu in alto.

API REST

Quando il progetto non è più necessario, è possibile eliminarlo con la richiesta DELETE seguente. Sostituire i valori segnaposto con i propri valori.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{API-VERSION}	La versione dell'API che si sta chiamando. Il valore a cui si fa riferimento qui è relativo alla versione più recente rilasciata. Per altre informazioni sulle altre versioni dell'API disponibili, vedere Ciclo di vita del modello.	2022-05-01

Intestazioni

Usare l'intestazione seguente per autenticare la richiesta.

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave della risorsa. È usata per l’autenticazione delle richieste API.

Dopo aver inviato la richiesta API, si riceverà una risposta 202 con l'esito positivo che indica che il progetto è stato eliminato. Risultati di una chiamata con esito positivo con un'intestazione Operation-Location usata per controllare lo stato del processo.

Passaggi successivi

• È necessario avere un'idea dello schema del progetto che verrà usato per l’etichettatura dei dati.

• Dopo aver creato il progetto, è possibile iniziare l'etichettatura dei dati che indicherà al modello di estrazione di entità come interpretare il testo e usarlo per il training e la valutazione.