Avvio rapido: Analisi testuale personalizzata per la salute

Nota

L'analisi del testo personalizzata per l'integrità (anteprima) verrà ritirata il 10 gennaio 2025. Eseguire la transizione ad altri servizi di training del modello personalizzato, ad esempio il riconoscimento personalizzato delle entità denominate nel linguaggio di intelligenza artificiale di Azure, entro tale data. Da ora al 10 gennaio 2025, è possibile continuare a usare l'analisi del testo personalizzata per l'integrità (anteprima) nei progetti esistenti senza interruzioni. Non è possibile creare nuovi progetti. Il 10 gennaio 2025 i carichi di lavoro in esecuzione nell'analisi del testo personalizzata per l'integrità (anteprima) verranno eliminati e i dati del progetto associati andranno persi.

Questo articolo contiene informazioni per iniziare a creare un progetto di Analisi testuale personalizzata per la salute in cui è possibile eseguire il training di modelli personalizzati su analisi del testo per il riconoscimento personalizzato delle entità. Un modello è un software di intelligenza artificiale sottoposto a training per eseguire una determinata attività. Per questo sistema, i modelli estraggono entità denominate relative all’assistenza sanitaria e vengono sottoposti a training tramite l'apprendimento da dati con etichetta.

In questo articolo viene utilizzato Language Studio per illustrare i concetti chiave dell’Analisi testuale personalizzata per la salute. Ad esempio, verrà creato un modello di Analisi testuale personalizzata per la salute per estrarre la posizione della struttura o del trattamento a partire da brevi note relative alla cartella clinica delle dimissioni.

Prerequisiti

• Sottoscrizione di Azure: creare un account gratuito

Si è verificato un problema

Creare una nuova risorsa di Lingua di Azure AI e un account di archiviazione di Azure

Per poter usare l'Analisi testuale personalizzata per la salute, è necessario creare una risorsa di Lingua di Azure AI che fornisca le credenziali necessarie per creare un progetto e avviare il training di un modello. È anche necessario un account di archiviazione di Azure, in cui caricare il set di dati che viene usato per compilare il modello.

Importante

Per iniziare rapidamente, è preferibile creare una nuova risorsa linguistica di Azure AI seguendo la procedura descritta in questo articolo. La procedura descritta in questo articolo consentirà di creare la risorsa Lingua e l'account di archiviazione contemporaneamente, in quanto questa operazione sarebbe più complessa se venisse eseguita in un secondo momento.

Se si dispone di una risorsa preesistente da usare, sarà necessario connetterla all'account di archiviazione. Per ulteriori informazioni, vedere il materiale sussidiario sull’uso di una risorsa preesistente.

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 della 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 e crea nella parte inferiore della pagina, quindi selezionare Crea.

Si è verificato un problema

Caricare dati di esempio in un contenitore BLOB

Dopo aver creato un account di archiviazione di Azure e averlo connesso alla risorsa linguistica, sarà necessario caricare i documenti dal set di dati di esempio nella directory radice del contenitore. Questi documenti verranno usati successivamente per il training del modello.

1. Scaricare il set di dati di esempio da GitHub.

2. Aprire il file .zip ed estrarre la cartella contenente i documenti.

3. Nel portale di Azure passare all'account di archiviazione creato e selezionarlo.

4. Nell'account di archiviazione selezionare Contenitori nel menu a sinistra, sotto Archiviazione dati. Nella schermata visualizzata selezionare + Contenitore. Assegnare al contenitore il nome example-data e lasciare il livello di accesso pubblico predefinito.

   

5. Dopo aver creato il contenitore, selezionarlo. Selezionare quindi il pulsante Carica per selezionare i file .txt e .json scaricati in precedenza.

   

Il set di dati di esempio fornito contiene 12 note cliniche. Ogni nota clinica include diverse entità mediche e la posizione del trattamento. Verranno usate le entità predefinite per estrarre le entità mediche ed eseguire il training del modello personalizzato per estrarre la posizione del trattamento usando i componenti appresi e elencati dell'entità.

Si è verificato un problema

Creare un progetto di Analisi testuale personalizzata per la salute

Dopo aver configurato la risorsa e l’account di archiviazione, creare un nuovo progetto di Analisi testuale personalizzata per la salute. Un progetto è un'area di lavoro per la creazione di modelli di Machine Learning personalizzati in base ai dati. L'accesso al progetto può essere eseguito solo dall'utente e da altri utenti che hanno accesso alla risorsa linguistica usata.

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 Analisi testuale personalizzata per la salute.

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

   

4. 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 è 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.

5. Dopo aver fatto clic su Crea nuovo progetto, verrà visualizzata una finestra per consentire la connessione dell'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.

   

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

7. 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. Se si usa il set di dati dell’avvio rapido, non è necessario rivedere la formattazione del file di etichette JSON.

8. Esaminare i dati immessi e selezionare Crea progetto.

Si è verificato un problema

Eseguire il training del modello

In genere, dopo aver creato un progetto, è possibile procedere e iniziare ad aggiungere tag ai documenti inclusi nel contenitore connesso al progetto. Per questa guida introduttiva è stato importato un set di dati con tag di esempio e il progetto è stato inizializzato con il file di tag JSON di esempio, quindi non è necessario aggiungere ulteriori etichette.

Per avviare il training di un modello da Language Studio:

1. Selezionare Processi di training dal menu a sinistra.

2. Selezionare Avvia un processo di training dal menu in alto.

3. Selezionare Esegui il training di un nuovo modello e digitare il nome del modello nella casella di testo. Si può anche sovrascrivere un modello esistente selezionando questa opzione e scegliendo il modello da sovrascrivere dal menu a discesa. La sovrascrittura di un modello sottoposto a training è irreversibile, ma non influisce sui modelli distribuiti fino a quando non si distribuisce il nuovo modello.

   

4. Selezionare il metodo di divisione dei dati. È possibile scegliere Divisione automatica del set di test dai dati di training in modo che il sistema divida i dati etichettati tra il set di training e il set di test in base alle percentuali scelte dall’utente. In alternativa, è possibile scegliere l’opzione Usa una divisione manuale dei dati di training e di test, che è abilitata solo se sono stati aggiunti documenti al set di test. Per informazioni sulla divisione dei dati, vedere Etichettatura dei dati e Come eseguire il training di un modello.

5. Selezionare il pulsante Esegui il training.

6. Se si seleziona l'ID del processo di training dall'elenco, viene visualizzato un riquadro laterale in cui è possibile controllare lo stato di avanzamento del training, lo stato del processo e altri dettagli relativi a questo processo.

   Nota

   • Solo i processi di training completati correttamente genereranno modelli.
   • Il training può richiedere tempo, da un paio di minuti a diverse ore, in base alle dimensioni dei dati etichettati.
   • È possibile eseguire un solo processo di training alla volta. Non è possibile avviare altri processi di training nello stesso progetto fino al completamento del processo in esecuzione.

Si è verificato un problema

Distribuire il modello

In genere, dopo il training di un modello, è opportuno rivedere i relativi dettagli di valutazione e apportare miglioramenti in base alla necessità. In questo avvio rapido si distribuirà solo il modello e lo si renderà disponibile per la prova in Studio del linguaggio; in alternativa, è possibile effettuare la chiamata all'API di stima.

Per distribuire un modello all’interno di Studio di linguaggio:

1. Selezionare Distribuzione di un modello nel menu a sinistra.

2. Selezionare Aggiungi distribuzione per avviare un nuovo processo di distribuzione.

   

3. Selezionare Crea nuova distribuzione per creare una nuova distribuzione e assegnare un modello sottoposto a training dall'elenco a discesa seguente. È possibile anche sovrascrivere una distribuzione esistente selezionando questa opzione e scegliendo il modello sottoposto a training da assegnare dall'elenco a discesa seguente.

   Nota

   La sovrascrittura di una distribuzione esistente non richiede modifiche alla chiamata dell'API di stima, ma i risultati ottenuti saranno basati sul modello appena assegnato.

   

4. Fare clic su Distribuisci per avviare il processo di distribuzione.

5. Al termine della distribuzione verrà visualizzata una data di scadenza. La scadenza della distribuzione indica quando il modello non potrà essere usato per la stima, ossia generalmente dodici mesi dopo la scadenza di una configurazione di training.

Si è verificato un problema

Testare il modello

Dopo aver distribuito il modello, è possibile iniziare a usarlo per estrarre entità dal testo tramite l’API di stima. In questa guida introduttiva verrà usato Language Studio per inviare l'attività di previsione dell’Analisi testuale personalizzata per la salute e visualizzare i risultati. Nel set di dati di esempio scaricato in precedenza è possibile trovare alcuni documenti di test che è possibile usare in questo passaggio.

Per testare i modelli distribuiti da Language Studio:

1. Selezionare Test delle distribuzioni dal menu a sinistra.

2. Selezionare la distribuzione da testare. È possibile testare solo i modelli assegnati alle distribuzioni.

3. Selezionare dall'elenco a discesa la distribuzione su cui si intende eseguire la query/il test.

4. È possibile immettere il testo da inviare alla richiesta o caricare un file .txt da usare.

5. Selezionare Esegui il test dal menu in alto.

6. Nella scheda Risultato, è possibile visualizzare le entità estratte dal testo e i relativi tipi. È anche possibile visualizzare la risposta JSON nella scheda JSON.

   

Si è verificato un problema

Pulire le risorse

Quando il progetto non è più necessario, è possibile eliminarlo usando Language Studio.

1. Selezionare la funzionalità del servizio Lingua in uso nella parte superiore della pagina
2. Selezionare il progetto da eliminare
3. Selezionare Elimina nel menu in alto.

Si è verificato un problema

Prerequisiti

• Sottoscrizione di Azure: creare un account gratuito

Si è verificato un problema

Creare una nuova risorsa di Lingua di Azure AI e un account di archiviazione di Azure

Per poter usare l'Analisi testuale personalizzata per la salute, sarà necessario creare una risorsa di Lingua di Azure AI che fornisca le credenziali necessarie per creare un progetto e avviare il training di un modello. È necessario anche un account di archiviazione di Azure in cui è possibile caricare il set di dati che verrà usato per la generazione del modello.

Importante

Per iniziare rapidamente, è preferibile creare una nuova risorsa linguistica di Azure AI seguendo la procedura descritta in questo articolo; tale procedura consentirà di creare la risorsa linguistica e/o di connettere un account di archiviazione contemporaneamente, in quanto questa operazione sarebbe più complessa se venisse eseguita in un secondo momento.

Se si dispone di una risorsa preesistente da usare, sarà necessario connetterla all'account di archiviazione. Per altre informazioni, vedere Crea progetto.

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 della 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 e crea nella parte inferiore della pagina, quindi selezionare Crea.

Si è verificato un problema

Caricare dati di esempio in un contenitore BLOB

Dopo aver creato un account di archiviazione di Azure e averlo connesso alla risorsa linguistica, sarà necessario caricare i documenti dal set di dati di esempio nella directory radice del contenitore. Questi documenti verranno usati successivamente per il training del modello.

1. Scaricare il set di dati di esempio da GitHub.

2. Aprire il file .zip ed estrarre la cartella contenente i documenti.

3. Nel portale di Azure passare all'account di archiviazione creato e selezionarlo.

4. Nell'account di archiviazione selezionare Contenitori nel menu a sinistra, sotto Archiviazione dati. Nella schermata visualizzata selezionare + Contenitore. Assegnare al contenitore il nome example-data e lasciare il livello di accesso pubblico predefinito.

   

5. Dopo aver creato il contenitore, selezionarlo. Selezionare quindi il pulsante Carica per selezionare i file .txt e .json scaricati in precedenza.

   

Il set di dati di esempio fornito contiene 12 note cliniche. Ogni nota clinica include diverse entità mediche e la posizione del trattamento. Verranno usate le entità predefinite per estrarre le entità mediche ed eseguire il training del modello personalizzato per estrarre la posizione del trattamento usando i componenti appresi e elencati dell'entità.

Si è verificato un problema

Ottenere le chiavi e l’endpoint di una risorsa

1. Passare alla pagina di panoramica della risorsa nel portale di Azure

2. Dal menu a sinistra selezionare Chiavi ed endpoint. L'endpoint e la chiave verranno usati per le richieste API

   

Si è verificato un problema

Creare un progetto di Analisi testuale personalizzata per la salute

Dopo aver configurato la risorsa e l’account di archiviazione, creare un nuovo progetto di Analisi testuale personalizzata per la salute. Un progetto è un'area di lavoro per la creazione di modelli di Machine Learning personalizzati in base ai dati. L'accesso al progetto può essere eseguito solo dall'utente e da altri utenti che hanno accesso alla risorsa linguistica usata.

Usare il file di etichetta scaricato dai dati di esempio nel passaggio precedente e aggiungerlo al corpo della richiesta seguente.

Attivare un processo di importazione progetto

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": "CustomHealthcare",
		"description": "Trying out custom Text Analytics for health",
		"language": "{LANGUAGE-CODE}",
		"multilingual": true,
		"storageInputContainerName": "{CONTAINER-NAME}",
		"settings": {}
	},
	"assets": {
		"projectKind": "CustomHealthcare",
		"entities": [
			{
				"category": "Entity1",
				"compositionSetting": "{COMPOSITION-SETTING}",
				"list": {
					"sublists": [
						{
							"listKey": "One",
							"synonyms": [
								{
									"language": "en",
									"values": [
										"EntityNumberOne",
										"FirstEntity"
									]
								}
							]
						}
					]
				}
			},
			{
				"category": "Entity2"
			},
			{
				"category": "MedicationName",
				"list": {
					"sublists": [
						{
							"listKey": "research drugs",
							"synonyms": [
								{
									"language": "en",
									"values": [
										"rdrug a",
										"rdrug b"
									]
								}
							]

						}
					]
				}
				"prebuilts": "MedicationName"
			}
		],
		"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
multilingual	true	Valore booleano che consente l’inclusione di documenti in diverse 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
projectName	{PROJECT-NAME}	Nome progetto	myproject
storageInputContainerName	{CONTAINER-NAME}	Nome contenitore	mycontainer
entities		Array contenente tutti i tipi di entità inclusi nel progetto. Sono i tipi di entità che verranno estratti dai documenti.
category		Il nome del tipo di entità, che può essere definito dall'utente per le nuove definizioni di entità oppure predefinito per le entità predefinite.
compositionSetting	{COMPOSITION-SETTING}	Regola che definisce come gestire più componenti nell'entità. Le opzioni sono combineComponents o separateComponents.	combineComponents
list		Array contenente tutti gli elenchi secondari presenti nel progetto per un'entità specifica. Gli elenchi possono essere aggiunti alle entità predefinite o alle nuove entità con i componenti appresi.
sublists	[]	Array contenente elenchi secondari. Ogni elenco secondario è una chiave con i relativi valori associati.	[]
listKey	One	Un valore normalizzato per l'elenco di sinonimi su cui eseguire il mapping nella stima.	One
synonyms	[]	Array contenente tutti i sinonimi	sinonimo
language	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per il sinonimo nell’elenco secondario. Se il progetto è un progetto multilingue e si desidera supportare l'elenco di sinonimi per tutte le lingue nel progetto, è necessario aggiungere in modo esplicito i sinonimi a ogni lingua. Per altre informazioni sui codici lingua supportati, vedere Supporto lingue.	en
values	"EntityNumberone", "FirstEntity"	Un elenco di stringhe separate da virgole che corrisponderà perfettamente per l'estrazione e il mapping alla chiave dell’elenco.	"EntityNumberone", "FirstEntity"
prebuilts	MedicationName	Il nome del componente predefinito che popola l'entità predefinita. Per impostazione predefinita, nel progetto vengono caricate automaticamente le entità predefinite, ma è possibile estenderle con i componenti dell’elenco nel file di etichette.	MedicationName
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. I valori possibili per questo campo sono Train e Test.	Train
regionOffset		La posizione del carattere inclusivo dell'inizio del testo.	0
regionLength		La lunghezza del rettangolo di selezione in termini di caratteri UTF16. Il training considera solo i dati in quest’area.	500
category		Il tipo di entità associata all'intervallo di testo specificato.	Entity1
offset		La posizione iniziale per il testo dell'entità.	25
length		La lunghezza dell’entità in termini di caratteri UTF16.	20
language	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per il documento usato 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

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.

Si è verificato un problema

Ottenere lo stato del processo di importazione

Usare la richiesta GET seguente per ottenere lo stato dell’importazione di un progetto. Sostituire i valori segnaposto seguenti con i propri valori.

Richiesta URL

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

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{JOB-ID}	L’ID per individuare lo stato del training del modello. Questo valore si trova nel valore dell'intestazione location ricevuto nel passaggio precedente.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{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.

Si è verificato un problema

Eseguire il training del modello

In genere, dopo aver creato un progetto, è possibile procedere e iniziare ad aggiungere tag ai documenti inclusi nel contenitore connesso al progetto. Per questa guida introduttiva è stato importato un set di dati con tag di esempio e il progetto è stato inizializzato con il file di tag JSON di esempio.

Avviare l'esecuzione del training

Dopo aver importato il progetto, è possibile avviare il training del modello.

Inviare una richiesta POST usando l'URL, le intestazioni e il corpo JSON seguenti per inviare un processo di training. Sostituire i valori segnaposto con i propri valori.

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

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{API-VERSION}	La versione dell'API che viene richiamata. 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 della richiesta

Usare il JSON seguente nel corpo della richiesta. Al termine del training, al modello verrà assegnato {MODEL-NAME}. Solo i processi di training riusciti produrranno modelli.

{
	"modelLabel": "{MODEL-NAME}",
	"trainingConfigVersion": "{CONFIG-VERSION}",
	"evaluationOptions": {
		"kind": "percentage",
		"trainingSplitPercentage": 80,
		"testingSplitPercentage": 20
	}
}

Chiave	Segnaposto	Valore	Esempio
modelLabel	{MODEL-NAME}	Nome del modello che verrà assegnato al modello dopo l’esecuzione corretta del training.	myModel
trainingConfigVersion	{CONFIG-VERSION}	È la versione del modello che verrà usata per il training del modello.	2022-05-01
evaluationOptions		Opzione per dividere i dati tra set di training e set di test.	{}
kind	percentage	Metodi di divisione. I possibili valori sono percentage o manual. Per altre informazioni, vedere Come eseguire il training di un modello.	percentage
trainingSplitPercentage	80	Percentuale dei dati con tag da includere nel set di training. Il valore consigliato è 80.	80
testingSplitPercentage	20	Percentuale dei dati con tag da includere nel set di test. Il valore consigliato è 20.	20

Nota

trainingSplitPercentage e testingSplitPercentage sono necessari solo se Kind è impostato su percentage e la somma di entrambe le percentuali deve essere uguale a 100.

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 location. È formattato come segue:

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

{JOB-ID} viene usato per identificare la richiesta, poiché questa operazione è asincrona. È possibile usare questo URL per ottenere lo stato del training.

Si è verificato un problema

Ottenere lo stato del processo di training

Il training potrebbe richiedere da 10 a 30 minuti per questo set di dati di esempio. È possibile usare la richiesta seguente per continuare il polling dello stato del processo di training fino a quando viene completato correttamente.

Usare la seguente richiesta GET per ottenere lo stato dello stato di avanzamento del training del modello. Sostituire i valori segnaposto seguenti con i propri valori.

Richiesta URL

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

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{JOB-ID}	L’ID per individuare lo stato del training del modello. Questo valore si trova nel valore dell'intestazione location ricevuto nel passaggio precedente.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	La versione dell'API che viene richiamata. 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.

Testo della risposta

Dopo aver inviato la richiesta, si otterrà la risposta seguente.

{
  "result": {
    "modelLabel": "{MODEL-NAME}",
    "trainingConfigVersion": "{CONFIG-VERSION}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "{JOB-ID}",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

Si è verificato un problema

Distribuire il modello

In genere, dopo il training di un modello, è opportuno rivedere i relativi dettagli di valutazione e apportare miglioramenti in base alla necessità. In questa guida introduttiva, il modello verrà solo distribuito e reso disponibile per una prova in Language Studio; è possibile anche richiamare l'API di stima.

Avviare un processo di distribuzione

Inviare una richiesta PUT usando l'URL, le intestazioni e il corpo JSON seguenti per inviare un processo di distribuzione. Sostituire i valori segnaposto seguenti con i propri valori.

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

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{DEPLOYMENT-NAME}	Il nome della distribuzione. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	staging
{API-VERSION}	La versione dell'API che viene richiamata. 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 della richiesta

Usare il JSON seguente nel corpo della richiesta. Usare il nome del modello da assegnare alla distribuzione.

{
  "trainedModelLabel": "{MODEL-NAME}"
}

Chiave	Segnaposto	Valore	Esempio
trainedModelLabel	{MODEL-NAME}	Nome del modello che verrà assegnato alla distribuzione. È possibile assegnare solo modelli il cui training è stato eseguito correttamente. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myModel

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}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} viene usato per identificare la richiesta, poiché questa operazione è asincrona. È possibile usare questo URL per ottenere lo stato della distribuzione.

Si è verificato un problema

Ottenere lo stato del processo di distribuzione

Usare la richiesta GET seguente per eseguire una query dello stato del processo di distribuzione. È possibile usare l'URL ricevuto dal passaggio precedente oppure sostituire i valori segnaposto seguenti con i propri valori.

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

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
{DEPLOYMENT-NAME}	Il nome della distribuzione. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	staging
{JOB-ID}	L’ID per individuare lo stato del training del modello. Si trova nel valore dell'intestazione location ricevuto nel passaggio precedente.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	La versione dell'API che viene richiamata. 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.

Testo della risposta

Quando si invia la richiesta, si riceverà la richiesta seguente. Continuare il polling di questo endpoint fino a quando il parametro dello stato diventa "succeeded". Si ottiene un codice 200 indicante l'esito positivo della richiesta.

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Si è verificato un problema

Eseguire stime con il modello sottoposto a training

Dopo aver distribuito il modello, è possibile iniziare a utilizzarlo per estrarre entità dal testo usando l’API di stima. Nel set di dati di esempio scaricato in precedenza è possibile trovare alcuni documenti di test che è possibile usare in questo passaggio.

Creare un’attività di analisi testuale personalizzata per la salute

Usare questa richiesta POST per avviare un'attività di estrazione per l’analisi testuale personalizzata per la salute.

{ENDPOINT}/language/analyze-text/jobs?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{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

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave che fornisce l'accesso all’API.

Corpo

{
  "displayName": "Extracting entities",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "{LANGUAGE-CODE}",
        "text": "Text1"
      },
      {
        "id": "2",
        "language": "{LANGUAGE-CODE}",
        "text": "Text2"
      }
    ]
  },
  "tasks": [
     {
      "kind": "CustomHealthcare",
      "taskName": "Custom TextAnalytics for Health Test",
      "parameters": {
        "projectName": "{PROJECT-NAME}",
        "deploymentName": "{DEPLOYMENT-NAME}"
      }
    }
  ]
}

Chiave	Segnaposto	Valore	Esempio
displayName	{JOB-NAME}	Il nome del processo.	MyJobName
documents	[{},{}]	Elenco di documenti per cui eseguire le attività.	[{},{}]
id	{DOC-ID}	Nome o ID del documento.	doc1
language	{LANGUAGE-CODE}	Una stringa che specifica il codice lingua per il documento. Se questa chiave non è specificata, il servizio presuppone la lingua predefinita del progetto selezionata durante la creazione del progetto. Per un elenco dei codici lingua supportati, vedere Supporto lingua.	en-us
text	{DOC-TEXT}	Attività del documento per cui eseguire le attività.	Lorem ipsum dolor sit amet
tasks		Elenco di attività da eseguire.	[]
taskName	Custom Text Analytics for Health Test	Il nome dell’attività	Custom Text Analytics for Health Test
kind	CustomHealthcare	Il tipo di progetto o attività che si sta tentando di eseguire	CustomHealthcare
parameters		Elenco di parametri da passare all’attività.
project-name	{PROJECT-NAME}	Nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
deployment-name	{DEPLOYMENT-NAME}	Il nome della distribuzione. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	prod

Response

Se l’attività è stata inviata correttamente, si riceverà una risposta 202. Nelle intestazioni della risposta, estrarre operation-location. operation-location è formattato come indicato di seguito:

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}

È possibile usare questo URL per eseguire una query sullo stato di completamento dell'attività e ottenere i risultati al termine dell'attività.

Si è verificato un problema

Ottenere i risultati dell’attività

Usare la richiesta GET seguente per eseguire una query sullo stato/sui risultati dell'attività di riconoscimento di entità personalizzate.

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}

Segnaposto	Valore	Esempio
{ENDPOINT}	Endpoint per l'autenticazione della richiesta API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION}	La versione dell'API che viene richiamata. 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

Chiave	valore
Ocp-Apim-Subscription-Key	La chiave che fornisce l'accesso all’API.

Testo della risposta

La risposta sarà un documento JSON con i parametri seguenti

{
	"createdDateTime": "2021-05-19T14:32:25.578Z",
	"displayName": "MyJobName",
	"expirationDateTime": "2021-05-19T14:32:25.578Z",
	"jobId": "xxxx-xxxx-xxxxx-xxxxx",
	"lastUpdateDateTime": "2021-05-19T14:32:25.578Z",
	"status": "succeeded",
	"tasks": {
		"completed": 1,
		"failed": 0,
		"inProgress": 0,
		"total": 1,
		"items": [
			{
				"kind": "CustomHealthcareLROResults",
				"taskName": "Custom Text Analytics for Health Test",
				"lastUpdateDateTime": "2020-10-01T15:01:03Z",
				"status": "succeeded",
				"results": {
					"documents": [
						{
							"entities": [
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "learnedComponent"
										}
									],
									"offset": 0,
									"length": 11,
									"text": "first entity",
									"category": "Entity1",
									"confidenceScore": 0.98
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "listComponent"
										}
									],
									"offset": 0,
									"length": 11,
									"text": "first entity",
									"category": "Entity1.Dictionary",
									"confidenceScore": 1.0
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "learnedComponent"
										}
									],
									"offset": 16,
									"length": 9,
									"text": "entity two",
									"category": "Entity2",
									"confidenceScore": 1.0
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "prebuiltComponent"
										}
									],
									"offset": 37,
									"length": 9,
									"text": "ibuprofen",
									"category": "MedicationName",
									"confidenceScore": 1,
									"assertion": {
										"certainty": "negative"
									},
									"name": "ibuprofen",
									"links": [
										{
											"dataSource": "UMLS",
											"id": "C0020740"
										},
										{
											"dataSource": "AOD",
											"id": "0000019879"
										},
										{
											"dataSource": "ATC",
											"id": "M01AE01"
										},
										{
											"dataSource": "CCPSS",
											"id": "0046165"
										},
										{
											"dataSource": "CHV",
											"id": "0000006519"
										},
										{
											"dataSource": "CSP",
											"id": "2270-2077"
										},
										{
											"dataSource": "DRUGBANK",
											"id": "DB01050"
										},
										{
											"dataSource": "GS",
											"id": "1611"
										},
										{
											"dataSource": "LCH_NW",
											"id": "sh97005926"
										},
										{
											"dataSource": "LNC",
											"id": "LP16165-0"
										},
										{
											"dataSource": "MEDCIN",
											"id": "40458"
										},
										{
											"dataSource": "MMSL",
											"id": "d00015"
										},
										{
											"dataSource": "MSH",
											"id": "D007052"
										},
										{
											"dataSource": "MTHSPL",
											"id": "WK2XYI10QM"
										},
										{
											"dataSource": "NCI",
											"id": "C561"
										},
										{
											"dataSource": "NCI_CTRP",
											"id": "C561"
										},
										{
											"dataSource": "NCI_DCP",
											"id": "00803"
										},
										{
											"dataSource": "NCI_DTP",
											"id": "NSC0256857"
										},
										{
											"dataSource": "NCI_FDA",
											"id": "WK2XYI10QM"
										},
										{
											"dataSource": "NCI_NCI-GLOSS",
											"id": "CDR0000613511"
										},
										{
											"dataSource": "NDDF",
											"id": "002377"
										},
										{
											"dataSource": "PDQ",
											"id": "CDR0000040475"
										},
										{
											"dataSource": "RCD",
											"id": "x02MO"
										},
										{
											"dataSource": "RXNORM",
											"id": "5640"
										},
										{
											"dataSource": "SNM",
											"id": "E-7772"
										},
										{
											"dataSource": "SNMI",
											"id": "C-603C0"
										},
										{
											"dataSource": "SNOMEDCT_US",
											"id": "387207008"
										},
										{
											"dataSource": "USP",
											"id": "m39860"
										},
										{
											"dataSource": "USPMG",
											"id": "MTHU000060"
										},
										{
											"dataSource": "VANDF",
											"id": "4017840"
										}
									]
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "prebuiltComponent"
										}
									],
									"offset": 30,
									"length": 6,
									"text": "100 mg",
									"category": "Dosage",
									"confidenceScore": 0.98
								}
							],
							"relations": [
								{
									"confidenceScore": 1,
									"relationType": "DosageOfMedication",
									"entities": [
										{
											"ref": "#/documents/0/entities/1",
											"role": "Dosage"
										},
										{
											"ref": "#/documents/0/entities/0",
											"role": "Medication"
										}
									]
								}
							],
							"id": "1",
							"warnings": []
						}
					],
					"errors": [],
					"modelVersion": "2020-04-01"
				}
			}
		]
	}
}

Chiave	Valore di esempio	Descrizione
entities	[]	Un array contenente tutte le entità estratte.
entityComponentKind	prebuiltComponent	Una variabile che indica quale componente ha restituito l'entità specifica. Valori possibili: prebuiltComponent, learnedComponent, listComponent
offset	0	Un numero che indica il punto iniziale dell'entità estratta tramite l'indicizzazione dei caratteri
length	10	Un numero che indica la lunghezza dell'entità estratta in numero di caratteri.
Testo	first entity	Il testo estratto per un'entità specifica.
category	MedicationName	Il nome del tipo di entità o della categoria corrispondente al testo estratto.
confidenceScore	0.9	Un numero che indica il livello di certezza dell'entità estratta del modello, compreso tra 0 e 1, dove un numero più alto indica una maggiore certezza.
assertion	certainty	Asserzioni associate all'entità estratta. Le asserzioni sono supportate solo per le entità dell’analisi testuale per la salute predefinite.
name	Ibuprofen	Un nome normalizzato per il collegamento delle entità associato all'entità estratta. Il collegamento delle entità è supportato solo per le entità dell’analisi testuale per la salute predefinite.
collegamenti	[]	Un array che contiene tutti i risultati del collegamento delle entità associati all'entità estratta. Il collegamento delle entità è supportato solo per le entità dell’analisi testuale per la salute predefinite.
dataSource	UMLS	Lo standard di riferimento risultante dal collegamento delle entità associato all'entità estratta. Il collegamento delle entità è supportato solo per le entità dell’analisi testuale per la salute predefinite.
ID	C0020740	Il codice di riferimento risultante dal collegamento delle entità associato all'entità estratta appartenente all'origine dati estratta. Il collegamento delle entità è supportato solo per le entità dell’analisi testuale per la salute predefinite.
relazioni	[]	Array contenente tutte le relazioni estratte. L’estrazione delle relazioni è supportata solo per le entità dell’analisi testuale per la salute predefinite.
relationType	DosageOfMedication	La categoria della relazione estratta. L'estrazione delle relazioni è supportata solo per le entità dell’analisi testuale per la salute predefinite.
entities	"Dosage", "Medication"	Le entità associate alla relazione estratta. L'estrazione delle relazioni è supportata solo per le entità dell’analisi testuale per la salute predefinite.

Si è verificato un problema

Pulire le risorse

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.

Si è verificato un problema

Passaggi successivi

• Panoramica di Analisi del testo per la salute

Dopo aver creato il modello di estrazione entità, è possibile:

• Usare l'API di runtime per estrarre le entità

Quando si inizia a creare progetti di Analisi testuale personalizzata per la salute, usare gli articoli con le procedure per altre informazioni sull’etichettatura dei dati, sul training e sull'utilizzo del modello con maggiori dettagli:

• Selezione dei dati e progettazione dello schema
• Tag dei dati
• Eseguire il training di un modello
• Valutazione del modello