次の方法で共有


Azure AI Language とは?

Azure AI Language は、テキストを理解し分析するための自然言語処理 (NLP) 機能を提供するクラウドベースのサービスです。 このサービスを使用すると、Web ベースの Language Studio、REST API、およびクライアント ライブラリを使用してインテリジェントなアプリケーションを構築できます。

利用可能な機能

この言語サービスは、これまで利用できた Azure AI サービス (Text Analytics、QnA Maker、LUIS) を統合したものです。 これらのサービスから移行する必要がある場合は、後の移行に関するセクションをご覧ください。

言語サービスでは、次のようないくつかの新機能も提供されます。

  • 事前構成済み。つまり、この機能で使用される AI モデルはカスタマイズできません。 ユーザーは単にデータを送信し、機能の出力をアプリケーションで使用します。
  • カスタマイズ可能。つまり、明確にデータに合うように、ツールを使用して AI モデルをトレーニングします。

ヒント

使用する機能がわからない場合は、 「使用すべき言語サービス機能」を参照して判断してください。

Language Studio を使用すると、コードを記述せずに、次のサービス機能を使用できます。

名前付きエンティティの認識 (NER)

名前付きエンティティの認識の例のスクリーンショット。

名前付きエンティティの認識は、非構造化テキスト内のエンティティ (語または句) を事前に定義されている複数のカテゴリ グループに分類する、事前構成済みの機能です。 例として、人、イベント、場所、日付、その他のものがあります。

個人を特定できる情報 (PII) と健康に関する情報 (PHI) の検出

PII 検出の例のスクリーンショット。

PII 検出は、非構造化テキスト ドキュメント会話の文字起こしの両方で、機密性の高い情報を識別、分類、編集する事前構成済みの機能です。 例として、電話番号、メール アドレス、各種形式の ID、その他のものがあります。

言語検出

言語検出の例のスクリーンショット。

言語検出は、ドキュメントの記述に使用された言語を検出できる事前構成済みの機能であり、広範な言語、バリエーション、方言、一部の地域や文化で使用される言語の言語コードを返します。

感情分析とオピニオン マイニング

感情分析の例のスクリーンショット。

感情分析とオピニオン マイニングは事前構成済みの機能で、この機能を使用すると、テキストをマイニングして正または負の感情に関する手がかりを得ることで、人々がブランドやトピックについてどう考えているかを知ることができます。また、それらをテキストの特定の側面と関連付けることができます。

概要

要約処理の例のスクリーンショット。

要約処理は、抽出テキストの要約処理を使用して、ドキュメントと会話の文字起こしの要約を生成する事前構成済みの機能です。 元のコンテンツ内で最も重要または関連性が高い情報をまとめて表す文を抽出します。

キー フレーズの抽出

キー フレーズの抽出の例のスクリーンショット。

キー フレーズの抽出は、非構造化テキスト内にある主な概念を評価し、それらをリストとして返す事前構成済みの機能です。

エンティティ リンク設定

エンティティ リンク設定の例のスクリーンショット。

エンティティ リンク設定は、非構造化テキストで検出されたエンティティ (語または句) の正体を明確にして Wikipedia へのリンクを返す、事前構成済みの機能です。

Text Analytics for Health

Text Analytics for Health の例のスクリーンショット。

Text Analytics for Health は、医師のメモ、退院要約、臨床ドキュメント、電子健康記録などの非構造化テキストから関連する医療情報を抽出してラベル付けする事前構成済みの機能です。

カスタム テキスト分類

カスタム テキスト分類の例のスクリーンショット。

カスタム テキスト分類を使うと、非構造化テキスト ドキュメントを定義したカスタム クラスに分類するカスタム AI モデルを構築できます。

カスタム固有表現認識 (カスタム NER)

カスタム NER の例のスクリーンショット。

カスタム NER を使うと、用意した非構造化テキストを使用して、カスタム エンティティ カテゴリ (語または句のラベル) を抽出するカスタム AI モデルを構築できます。

会話言語理解

会話言語理解の例のスクリーンショット。

会話言語理解 (CLU) を使用すると、ユーザーは、受信した発話の全体的意図を予測し、そこから重要な情報を抽出する、カスタムの自然言語理解モデルを構築できます。

オーケストレーション ワークフロー

オーケストレーション ワークフローの例のスクリーンショット。

オーケストレーション ワークフローは、会話言語理解 (CLU)質問応答LUIS アプリケーションを接続できるカスタム機能です。

質問応答

質問応答の例のスクリーンショット。

質問応答は、ユーザーからの入力に対して最も適切な回答を見つけるカスタム機能であり、ソーシャル メディア アプリケーション、チャット ボット、音声対応デスクトップ アプリケーションなどの会話型クライアント アプリケーションを構築するために一般的に使用されます。

Custom text analytics for health

Custom text analytics for health の例のスクリーンショット。

Custom text analytics for health は、作成したモデルを使用して、非構造化テキストから医療固有のエンティティを抽出するカスタム機能です。

使用すべき言語サービス機能

このセクションでは、アプリケーションで使用する言語サービス機能を判断する方法について説明します。

目的に合ったトピックをクリックしてください ドキュメントの形式 最適なソリューション このソリューションはカスタマイズ可能かどうか*
PII や PHI などの機密情報を検出したり、編集したりします。 非構造化テキスト、
書き起こされた会話
PII 検出
カスタム モデルを作成せずに、情報のカテゴリを抽出します。 非構造化テキスト 事前構成済みの NER 機能
データに固有のモデルを使用して、情報のカテゴリを抽出します。 非構造化テキスト カスタム NER
主なトピックと重要なフレーズを抽出します。 非構造化テキスト キー フレーズ抽出
テキストで表現されるセンチメントと意見を決定します。 非構造化テキスト 感情分析とオピニオン マイニング
テキストまたは会話の長いチャンクを要約します。 非構造化テキスト、
書き起こされた会話。
概要
エンティティを明確にし、Wikipedia へのリンクを取得します。 非構造化テキスト エンティティ リンク設定
ドキュメントを 1 つ以上のカテゴリに分類します。 非構造化テキスト カスタム テキスト分類
モデルを作成せずに、臨床/医療ドキュメントから医療情報を抽出する。 非構造化テキスト 正常性に関するテキスト分析
データでトレーニングされたモデルを使用して、臨床/医療ドキュメントから医療情報を抽出する。 非構造化テキスト Custom text analytics for health
ユーザー入力に応答する会話型アプリケーションを作成する。 非構造化ユーザー入力 質問と回答
テキストが書き込まれた言語を検出します。 非構造化テキスト 言語検出
ユーザー入力の意図を予測し、そこから情報を抽出します。 非構造化ユーザー入力 会話言語理解
会話言語理解、LUIS、質問応答からアプリを接続します。 非構造化ユーザー入力 オーケストレーション ワークフロー

* 機能がカスタマイズ可能な場合は、明確にデータに合うように、ツールを使用して AI モデルをトレーニングできます。 それ以外の場合、機能は事前に構成されています。つまり、使用される AI モデルを変更することはできません。 ユーザーは単にデータを送信し、機能の出力をアプリケーションで使用します。

Text Analytics、QnA Maker、または Language Understanding (LUIS) からの移行

Azure AI Language では、Azure AI サービス内の 3 つの個別の言語サービス、Text Analytics、QnA Maker、Language Understanding (LUIS) が統合されています。 これら 3 つのサービスを使用している場合は、新しい Azure AI Language に簡単に移行できます。 手順については、「Azure AI Language への移行」を参照してください。

チュートリアル

言語サービスの使用を開始する機会があったら、さまざまなシナリオを解決する方法を示すチュートリアルを試してみてください。

その他のコード サンプル

次の言語については、その他のコード サンプルが GitHub にあります。

Docker コンテナーを使用してオンプレミスにデプロイする

言語サービス コンテナーを使用して、API 機能をオンプレミスにデプロイします。 これらの Docker コンテナーを使用すると、コンプライアンス、セキュリティ、またはその他の運用上の理由により、データにより近いところでサービスを使用できます。 言語サービスには、次のコンテナーが用意されています。

責任ある AI

AI システムには、テクノロジだけでなく、それを使う人、それによって影響を受ける人、それがデプロイされる環境も含まれます。 システムでの責任ある AI の使用とデプロイについては、次の記事をご覧ください。