Come creare un progetto di classificazione personalizzata del testo

Questo articolo descrive come configurare i requisiti per iniziare con classificazione personalizzata del testo e creare un progetto.

Prerequisiti

Prima di iniziare a usare la classificazione personalizzata del testo, è necessario:

• Una sottoscrizione di Azure: creare un account gratuitamente.

Creare una risorsa del servizio Lingua

Prima di iniziare a utilizzare la classificazione personalizzata del testo, è necessaria una risorsa di 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. È anche possibile leggere altre informazioni nell'articolo per apprendere come usare una risorsa preesistente e configurarla per l'uso con la classificazione personalizzata del testo.

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 classificare il testo.

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

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.

Azure portal

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 e 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	Valore obbligatorio
   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	Una delle aree supportate. Ad esempio: “Stati Uniti occidentali 2”.
   Nome	Un nome per la risorsa.
   Piano tariffario	Uno dei piani tariffari supportati. Per provare il servizio, è possibile usare il livello gratuito (F0).

   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.

   È possibile determinare il proprietario della sottoscrizione di Azure eseguendo una ricerca nel gruppo di risorse e seguendo il collegamento alla sottoscrizione associata. Quindi:

   1. Selezionare la scheda Controllo di accesso (IAM)
   2. Selezionare Assegnazioni di ruolo
   3. Filtrare in base a Ruolo:Proprietario.

4. Nella sezione Classificazione personalizzata del testo e 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 che verranno 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.

Language Studio

Creare una nuova risorsa linguistica 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 per la risorsa Lingua.

Importante

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

Per usare la classificazione personalizzata del testo, è necessario connettere la risorsa a un account di archiviazione. Se non se ne ha uno, è possibile creare un account di Archiviazione di Azure. Usare la procedura seguente per creare il primo progetto e connettere l'account di archiviazione.

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

2. Nella sezione Classifica testo di Language Studio, selezionare Classificazione personalizzata del testo.

   

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consentirà di etichettare i 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

   • 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. Selezionare il tipo di progetto. È possibile creare un progetto di classificazione multietichetta in cui ogni documento può appartenere a una o più classi o a un progetto di classificazione con etichetta singola in cui ogni documento può appartenere a una sola classe. Il tipo selezionato non potrà essere modificato successivamente. Altre informazioni sui tipi di progetto

   

6. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei documenti 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.

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

   Nota

   Se i dati sono già stati etichettati, accertarsi che rispettino il formato supportato e selezionare Sì, i documenti sono già etichettati e il file di etichette JSON è formattato, quindi selezionare il file di etichette dal menu a discesa seguente.

   Se si usa uno dei set di dati di esempio, usare il file JSON webOfScience_labelsFile o movieLabels incluso. Quindi seleziona Avanti.

8. Esaminare i dati immessi e selezionare Crea progetto.

Uso di Azure 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	L’area in cui è ospitata la risorsa. Per altre informazioni, vedere Supporto dell'area di Azure.
sku	Il piano tariffario della risorsa. Per altre informazioni, vedere Limiti del servizio.
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

Requisito	Descrizione
Aree	Accertarsi che il provisioning della risorsa esistente sia eseguito in una delle aree supportate. Se non si dispone di una risorsa, sarà necessario crearne una nuova in un'area supportata.
Piano tariffario	Il piano tariffario per la risorsa.
Identità gestita	Accertarsi che l'impostazione dell'identità gestita della risorsa sia abilitata. In caso contrario, leggere la sezione successiva.

Per usare la classificazione personalizzata del testo, 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 funzionalità di classificazione personalizzata del testo

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

1. Accedere alla risorsa 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.

Impostare ruoli per la risorsa Lingua di Azure AI e l'account di archiviazione

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.

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 classificazione personalizzata del testo

Dopo aver configurato la risorsa e il contenitore di archiviazione, creare un nuovo progetto di classificazione personalizzata del testo. Un progetto è un'area di lavoro per la generazione di modelli di Machine Learning personalizzati in base ai propri dati. Il progetto è accessibile solo all'utente e ad altri utenti che hanno accesso alla risorsa di Azure in uso. Se sono stati etichettati dati, è possibile importarli per iniziare.

Language Studio

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

2. Nella sezione Classifica testo di Language Studio, selezionare Classificazione personalizzata del testo.

   

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consentirà di etichettare i 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

   • 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. Selezionare il tipo di progetto. È possibile creare un progetto di classificazione multietichetta in cui ogni documento può appartenere a una o più classi o a un progetto di classificazione con etichetta singola in cui ogni documento può appartenere a una sola classe. Il tipo selezionato non potrà essere modificato successivamente. Altre informazioni sui tipi di progetto

   

6. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei documenti 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.

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

   Nota

   Se i dati sono già stati etichettati, accertarsi che rispettino il formato supportato e selezionare Sì, i documenti sono già etichettati e il file di etichette JSON è formattato, quindi selezionare il file di etichette dal menu a discesa seguente.

   Se si usa uno dei set di dati di esempio, usare il file JSON webOfScience_labelsFile o movieLabels incluso. Quindi seleziona Avanti.

8. Esaminare i dati immessi e selezionare Crea progetto.

API REST

Per iniziare a creare un modello di classificazione personalizzata del testo, 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.

Classificazione multietichetta

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "customMultiLabelClassification",
  "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	customMultiLabelClassification	Il tipo di progetto.	customMultiLabelClassification
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

Classificazione con etichetta singola

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "customSingleLabelClassification",
  "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	customSingleLabelClassification	Il tipo di progetto.	customSingleLabelClassification
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 un progetto di classificazione personalizzata del testo

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 linguistica.

2. Nella sezione Classifica testo di Language Studio, selezionare Classificazione personalizzata del testo.

   

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consentirà di etichettare i 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. Selezionare il tipo di progetto. È possibile creare un progetto di classificazione multietichetta in cui ogni documento può appartenere a una o più classi o a un progetto di classificazione con etichetta singola in cui ogni documento può appartenere a una sola classe. Il tipo selezionato non potrà essere modificato successivamente.

   

6. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei documenti 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.

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

8. Selezionare Sì, i documenti 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.

9. Selezionare Avanti.

10. 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. Altre informazioni su altre versioni dell’API disponibili	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.

Classificazione multietichetta

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectName": "{PROJECT-NAME}",
    "storageInputContainerName": "{CONTAINER-NAME}",
    "projectKind": "customMultiLabelClassification",
    "description": "Trying out custom multi label text classification",
    "language": "{LANGUAGE-CODE}",
    "multilingual": true,
    "settings": {}
  },
  "assets": {
    "projectKind": "customMultiLabelClassification",
    "classes": [
      {
        "category": "Class1"
      },
      {
        "category": "Class2"
      }
    ],
    "documents": [
      {
        "location": "{DOCUMENT-NAME}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "classes": [
          {
            "category": "Class1"
          },
          {
            "category": "Class2"
          }
        ]
      },
      {
        "location": "{DOCUMENT-NAME}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "classes": [
          {
            "category": "Class2"
          }
        ]
      }
    ]
  }
}

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	2022-05-01
projectName	{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
projectKind	customMultiLabelClassification	Il tipo di progetto.	customMultiLabelClassification
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 sul supporto multilingue, vedere Supporto lingue.	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 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
classi	[]	Array contenente tutte le classi incluse nel progetto. Queste sono le classi in cui classificare i documenti.	[]
documenti	[]	Array contenente tutti i documenti nel progetto e le classi etichettate per il documento.	[]
posizione	{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
set di dati	{DATASET}	Il set di test a cui verrà sottoposto questo documento quando verrà diviso prima del training. Per altre informazioni sulla divisione dei dati, vedere Come eseguire il training di un modello. I valori possibili per questo campo sono Train e Test.	Train

Classificazione con etichetta singola

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectName": "{PROJECT-NAME}",
    "storageInputContainerName": "{CONTAINER-NAME}",
    "projectKind": "customSingleLabelClassification",
    "description": "Trying out custom multi label text classification",
    "language": "{LANGUAGE-CODE}",
    "multilingual": true,
    "settings": {}
  },
  "assets": {
    "projectKind": "customSingleLabelClassification",
        "classes": [
            {
                "category": "Class1"
            },
            {
                "category": "Class2"
            }
        ],
        "documents": [
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "class": {
                    "category": "Class2"
                }
            },
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "class": {
                    "category": "Class1"
                }
            }
        ]
    }
}

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.	2022-05-01
projectName	{PROJECT-NAME}	Il nome del progetto. Per questo valore viene applicata la distinzione tra maiuscole e minuscole.	myProject
projectKind	customSingleLabelClassification	Il tipo di progetto.	customSingleLabelClassification
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
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
classi	[]	Array contenente tutte le classi incluse nel progetto. Queste sono le classi in cui classificare i documenti.	[]
documenti	[]	Array contenente tutti i documenti nel progetto e la classe a cui appartiene questo documento.	[]
posizione	{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
set di dati	{DATASET}	Il set di test a cui verrà sottoposto questo documento quando verrà diviso prima del training. Per altre informazioni sulla divisione dei 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. In questa pagina è anche possibile recuperare la chiave primaria della risorsa.

   

API REST

Per ottenere i dettagli del progetto di classificazione personalizzata del testo, inviare una richiesta GET usando l'URL e le intestazioni seguenti. Sostituire i valori segnaposto 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. Il valore a cui fa riferimento qui è relativo all’ultima versione del modello rilasciata.	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.

{
  "createdDateTime": "2022-04-23T13:39:09.384Z",
  "lastModifiedDateTime": "2022-04-23T13:39:09.384Z",
  "lastTrainedDateTime": "2022-04-23T13:39:09.384Z",
  "lastDeployedDateTime": "2022-04-23T13:39:09.384Z",
  "projectKind": "customSingleLabelClassification",
  "storageInputContainerName": "{CONTAINER-NAME}",
  "projectName": "{PROJECT-NAME}",
  "multilingual": true,
  "description": "Project description",
  "language": "{LANGUAGE-CODE}"
}

Valore	segnaposto	Descrizione	Esempio
projectKind	customSingleLabelClassification	Il tipo di progetto.	Questo valore può essere customSingleLabelClassification o customMultiLabelClassification.
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		Valore booleano che consente di avere documenti in diversi linguaggi nel set di dati. Quando il modello viene distribuito, è possibile eseguire query sul linguaggio supportato (non necessariamente inclusi 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. Per altre informazioni sui codici lingua supportati, vedere Supporto lingue.	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 Classificazione personalizzata del testo nella parte superiore della schermata e quindi selezionare il progetto da eliminare. Per eliminare il progetto, selezionare Elimina dal 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. Altre informazioni su altre versioni dell’API disponibili	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 classificazione del testo come interpretare il testo e usarlo per il training e la valutazione.