JavaScript 用 Azure Text Analysis クライアントライブラリ - バージョン 6.0.0-beta.1

[アーティクル]
04/05/2023

Azure Cognitive Service for Language は、生テキストに対する高度な自然言語処理を提供するクラウドベースのサービスであり、次の主な機能が含まれています。

メモ： この SDK は、Azure Cognitive Service for Language API バージョン 2022-04-01-preview を対象としています。

言語検出
感情分析
キーフレーズ抽出
名前付きエンティティの認識
個人を特定できる情報の認識
Entity Linking
医療分析
抽出要約
カスタムエンティティ認識
カスタムドキュメント分類
ドキュメントごとに複数のアクションをサポートする

以下の場合にクライアントライブラリを使用します。

書き込まれる言語入力テキストを検出します。
肯定的または否定的な感情に関する手がかりを得るための生テキストを分析して、顧客がブランドやトピックに対して何を考えているかを判断します。
重要なフレーズを自動的に抽出し、重要な点を迅速に特定します。
テキスト内のエンティティを、ユーザー、場所、組織、日付/時刻、数量、パーセンテージ、通貨、医療固有などとして識別して分類します。
上記のタスクの複数を一度に実行します。

主要リンク:

はじめに

現在サポートされている環境

Node.js の LTS バージョン
Safari、Chrome、Edge、Firefox の最新バージョン。

詳細については、Microsoft のサポートポリシーを参照してください。

前提条件

Azure サブスクリプション。
既存の Cognitive Services または言語リソース。リソースを作成する必要がある場合は、 Azure Portal または Azure CLI を使用できます。

Azure CLI を使用する場合は、と <your-resource-name> を独自の一意の名前に置き換えます<your-resource-group-name>。

az cognitiveservices account create --kind TextAnalytics --resource-group <your-resource-group-name> --name <your-resource-name> --sku <your-sku-name> --location <your-location>

`@azure/ai-text-analytics` パッケージのインストール

を使用して JavaScript 用の Azure Text Analysis クライアントライブラリを npmインストールします。

npm install @azure/ai-text-analytics

`TextAnalysisClient` を作成して認証する

言語 API にアクセスするためのクライアントオブジェクトを作成するには、言語リソースのと credentialが必要endpointです。 Text Analysis クライアントは、Azure Active Directory 資格情報または API キー資格情報のいずれかを使用して認証できます。

言語リソースのエンドポイントは、 Azure Portal または以下の Azure CLI スニペットを使用して確認できます。

az cognitiveservices account show --name <your-resource-name> --resource-group <your-resource-group-name> --query "properties.endpoint"

API キーの使用

Azure Portal を使用して言語リソースを参照し、API キーを取得するか、次の Azure CLI スニペットを使用します。

メモ： API キーは、"サブスクリプションキー" または "サブスクリプション API キー" と呼ばれる場合があります。

az cognitiveservices account keys list --resource-group <your-resource-group-name> --name <your-resource-name>

API キーとエンドポイントを取得したら、クラスを AzureKeyCredential 使用して、次のようにクライアントを認証できます。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

Azure Active Directory 資格情報の使用

クライアント API キー認証はほとんどの例で使用されますが、Azure Id ライブラリを使用して Azure Active Directory で認証することもできます。次に示す DefaultAzureCredential プロバイダー、または Azure SDK で提供されている他の資格情報プロバイダーを使用するには、パッケージを @azure/identity インストールしてください。

npm install @azure/identity

また、新しい AAD アプリケーションを登録し、サービスプリンシパルにロールを "Cognitive Services User" 割り当てることで言語へのアクセス権を付与する必要があります (注: などの "Owner" 他のロールは必要なアクセス許可を付与せず、例とサンプルコードを実行するだけで "Cognitive Services User" 十分です)。

AAD アプリケーションのクライアント ID、テナント ID、およびクライアントシークレットの値を、環境変数 AZURE_CLIENT_IDAZURE_TENANT_ID、、AZURE_CLIENT_SECRET、として設定します。

const { TextAnalysisClient } = require("@azure/ai-text-analytics");
const { DefaultAzureCredential } = require("@azure/identity");

const client = new TextAnalysisClient("<endpoint>", new DefaultAzureCredential());

主要な概念

TextAnalysisClient

TextAnalysisClient は、Text Analysis クライアントライブラリを使用する開発者向けの主要なインターフェイスです。このクライアントオブジェクトのメソッドを調べて、アクセスできる言語サービスのさまざまな機能を理解します。

入力

ドキュメントは、言語サービスの予測モデルによって分析される 1 つの入力単位を表します。に対する TextAnalysisClient 操作は、バッチとして分析される入力のコレクションを受け取ります。操作メソッドには、入力を文字列として、または添付されたメタデータを持つオブジェクトとして表すオーバーロードがあります。

たとえば、各ドキュメントを配列内の文字列として渡すことができます(例: )。

const documents = [
  "I hated the movie. It was so slow!",
  "The movie made it into my top ten favorites.",
  "What a great movie!",
];

または、アイテムごとのドキュメントidまたはを渡す場合は、の一覧TextDocumentInputとして、またはcountryHintlanguage/DetectLanguageInput操作に応じて指定できます。

const textDocumentInputs = [
  { id: "1", language: "en", text: "I hated the movie. It was so slow!" },
  { id: "2", language: "en", text: "The movie made it into my top ten favorites." },
  { id: "3", language: "en", text: "What a great movie!" },
];

ドキュメントの長さの制限、最大バッチサイズ、サポートされているテキストエンコードなど、入力のサービス制限に関するページを参照してください。

戻り値

1 つのドキュメントに対応する戻り値は、成功した結果またはエラーオブジェクトです。各メソッドは TextAnalysisClient 、インデックスによる入力に対応する結果とエラーの異種配列を返します。テキスト入力とその結果は、入力コレクションと結果コレクション内で同じインデックスを持ちます。

などのSentimentAnalysisResult結果は、1 つのテキスト入力に関する予測または予測を含む Language 操作の結果です。操作の結果の種類には、必要に応じて、入力ドキュメントとその処理方法に関する情報を含めることもできます。

error オブジェクトは、TextAnalysisErrorResultドキュメントの処理中にサービスでエラーが発生し、エラーに関する情報が含まれていることを示します。

ドキュメントエラー処理

操作によって返されるコレクションでは、エラーは、エラーが発生した場合に内部TextAnalysisErrorオブジェクトをerror含むプロパティが存在することで、成功した応答と区別されます。成功した結果オブジェクトの場合、このプロパティは常にundefined です。

たとえば、すべてのエラーを除外するには、次を使用できます filter。

const results = await client.analyze("SentimentAnalysis", documents);
const onlySuccessful = results.filter((result) => result.error === undefined);

注: TypeScript ユーザーは、構成でがにtrue設定されている場合compilerOptions.strictNullChecks、結果オブジェクトとエラーオブジェクトの型チェックの方が優れた利点がありますtsconfig.json。次に例を示します。

const [result] = await client.analyze("SentimentAnalysis", ["Hello world!"]);

if (result.error !== undefined) {
  // In this if block, TypeScript will be sure that the type of `result` is
  // `TextAnalysisError` if compilerOptions.strictNullChecks is enabled in
  // the tsconfig.json

  console.log(result.error);
}

例

感情分析

テキストのセンチメントを分析して、文章ごとのセンチメント分析や信頼度スコアなど、肯定的、否定的、中立的、または混合であるかどうかを判断します。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "I did not like the restaurant. The food was too spicy.",
  "The restaurant was decorated beautifully. The atmosphere was unlike any other restaurant I've been to.",
  "The food was yummy. :)",
];

async function main() {
  const results = await client.analyze("SentimentAnalysis", documents);

  for (const result of results) {
    if (result.error === undefined) {
      console.log("Overall sentiment:", result.sentiment);
      console.log("Scores:", result.confidenceScores);
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}

main();

製品/サービスの側面 (自然言語処理 (NLP) のアスペクトベースの感情分析とも呼ばれます) に関連する意見に関するより詳細な情報を取得するには、オピニオンマイニングを使用したセンチメント分析のサンプルを参照してください。

エンティティの認識

テキスト内のエンティティを認識し、人物、場所、組織、日付/時刻、数量、通貨などとして分類します。

language パラメーターは省略可能です。指定しない場合は、既定の英語モデルが使用されます。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Microsoft was founded by Bill Gates and Paul Allen.",
  "Redmond is a city in King County, Washington, United States, located 15 miles east of Seattle.",
  "Jeff bought three dozen eggs because there was a 50% discount.",
];

async function main() {
  const results = await client.analyze("EntityRecognition", documents, "en");

  for (const result of results) {
    if (result.error === undefined) {
      console.log(" -- Recognized entities for input", result.id, "--");
      for (const entity of result.entities) {
        console.log(entity.text, ":", entity.category, "(Score:", entity.confidenceScore, ")");
      }
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}

main();

PII エンティティ認識

社会保障番号、銀行口座情報、クレジットカード番号などのテキストで個人を特定できる情報 (PII) を認識するための別のアクションがあります。その使用法は、上記の標準エンティティ認識とよく似ています。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");
const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));
const documents = [
  "The employee's SSN is 555-55-5555.",
  "The employee's phone number is (555) 555-5555.",
];
async function main() {
  const results = await client.analyze("PiiEntityRecognition", documents, "en");
  for (const result of results) {
    if (result.error === undefined) {
      console.log(" -- Recognized PII entities for input", result.id, "--");
      for (const entity of result.entities) {
        console.log(entity.text, ":", entity.category, "(Score:", entity.confidenceScore, ")");
      }
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}
main();

Entity Linking

"リンクされた" エンティティは、サポート情報 (Wikipedia など) に存在するエンティティです。アクションはEntityLinking、エンティティが参照する可能性が高いサポート情報内のどのエントリを決定することで、エンティティを明確にすることができます (たとえば、テキストの一部では、"Mars" という単語は惑星を指すか、ローマ戦争の神を指します)。リンクされたエンティティには、エンティティの定義を提供するサポート情報に関連付けられた URL が含まれています。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Microsoft was founded by Bill Gates and Paul Allen.",
  "Easter Island, a Chilean territory, is a remote volcanic island in Polynesia.",
  "I use Azure Functions to develop my product.",
];

async function main() {
  const results = await client.analyze("EntityLinking", documents, "en");

  for (const result of results) {
    if (result.error === undefined) {
      console.log(" -- Recognized linked entities for input", result.id, "--");
      for (const entity of result.entities) {
        console.log(entity.name, "(URL:", entity.url, ", Source:", entity.dataSource, ")");
        for (const match of entity.matches) {
          console.log(
            "  Occurrence:",
            '"' + match.text + '"',
            "(Score:",
            match.confidenceScore,
            ")"
          );
        }
      }
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}

main();

キーフレーズ抽出

キーフレーズ抽出は、ドキュメント内の主要な話し合いポイントを識別します。たとえば、「食べ物はおいしくて、すばらしいスタッフがいた」というテキストを入力すると、 "食べ物" と "すばらしいスタッフ" がサービスによって返されます。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Redmond is a city in King County, Washington, United States, located 15 miles east of Seattle.",
  "I need to take my cat to the veterinarian.",
  "I will travel to South America in the summer.",
];

async function main() {
  const results = await client.analyze("KeyPhraseExtraction", documents, "en");

  for (const result of results) {
    if (result.error === undefined) {
      console.log(" -- Extracted key phrases for input", result.id, "--");
      console.log(result.keyPhrases);
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}

main();

言語検出

テキストの言語を決定します。

パラメーターは countryHint 省略可能ですが、配信元の国がわかっている場合は、サービスが正しい出力を提供するのに役立ちます。指定する場合は、ISO-3166 Alpha-2 の 2 文字の国コード (米国の場合は "us"、日本の場合は "jp" など) または値 "none"に設定する必要があります。パラメーターが指定されていない場合は、既定"us"の (米国) モデルが使用されます。ドキュメントの原産国がわからない場合は、パラメーター "none" を使用する必要があります。言語サービスは、不明な原産国に合わせて調整されたモデルを適用します。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "This is written in English.",
  "Il documento scritto in italiano.",
  "Dies ist in deutscher Sprache verfasst.",
];

async function main() {
  const results = await client.analyze("LanguageDetection", documents, "none");

  for (const result of results) {
    if (result.error === undefined) {
      const { primaryLanguage } = result;
      console.log(
        "Input #",
        result.id,
        "identified as",
        primaryLanguage.name,
        "( ISO6391:",
        primaryLanguage.iso6391Name,
        ", Score:",
        primaryLanguage.confidenceScore,
        ")"
      );
    } else {
      console.error("Encountered an error:", result.error);
    }
  }
}

main();

医療分析

医療分析は、医療エンティティを識別します。たとえば、「100mgのイブプロフェンを処方し、1日2回服用する」という入力テキストを指定すると、サービスは「100mg」を「投与量」、"イブプロフェン"を「服薬名」、頻度として「1日2回」を返します。

const {
  AnalyzeBatchAction,
  AzureKeyCredential,
  TextAnalysisClient,
} = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Prescribed 100mg ibuprofen, taken twice daily.",
  "Patient does not suffer from high blood pressure.",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "Healthcare",
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  const results = await poller.pollUntilDone();
  for await (const actionResult of results) {
    if (actionResult.kind !== "Healthcare") {
      throw new Error(`Expected a healthcare results but got: ${actionResult.kind}`);
    }
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    for (const result of actionResult.results) {
      console.log(`- Document ${result.id}`);
      if (result.error) {
        const { code, message } = result.error;
        throw new Error(`Unexpected error (${code}): ${message}`);
      }
      console.log("\tRecognized Entities:");
      for (const entity of result.entities) {
        console.log(`\t- Entity "${entity.text}" of type ${entity.category}`);
        if (entity.dataSources.length > 0) {
          console.log("\t and it can be referenced in the following data sources:");
          for (const ds of entity.dataSources) {
            console.log(`\t\t- ${ds.name} with Entity ID: ${ds.entityId}`);
          }
        }
      }
    }
  }
}

main();

抽出要約

抽出要約は、それらが属する記事を要約する文を識別します。

const {
  AnalyzeBatchAction,
  AzureKeyCredential,
  TextAnalysisClient,
} = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Prescribed 100mg ibuprofen, taken twice daily.",
  "Patient does not suffer from high blood pressure.",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "ExtractiveSummarization",
      maxSentenceCount: 2,
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  const results = await poller.pollUntilDone();

  for await (const actionResult of results) {
    if (actionResult.kind !== "ExtractiveSummarization") {
      throw new Error(`Expected extractive summarization results but got: ${actionResult.kind}`);
    }
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    for (const result of actionResult.results) {
      console.log(`- Document ${result.id}`);
      if (result.error) {
        const { code, message } = result.error;
        throw new Error(`Unexpected error (${code}): ${message}`);
      }
      console.log("Summary:");
      console.log(result.sentences.map((sentence) => sentence.text).join("\n"));
    }
  }
}

main();

カスタムエンティティ認識

Azure Language Studio を使用して構築されたカスタムエンティティ検出モデルを使用して、テキスト内のエンティティをエンティティとして認識し、分類します。

const {
  AnalyzeBatchAction,
  AzureKeyCredential,
  TextAnalysisClient,
} = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "We love this trail and make the trip every year. The views are breathtaking and well worth the hike! Yesterday was foggy though, so we missed the spectacular views. We tried again today and it was amazing. Everyone in my family liked the trail although it was too challenging for the less athletic among us.",
  "Last week we stayed at Hotel Foo to celebrate our anniversary. The staff knew about our anniversary so they helped me organize a little surprise for my partner. The room was clean and with the decoration I requested. It was perfect!",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "CustomEntityRecognition",
      deploymentName,
      projectName,
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  for await (const actionResult of results) {
    if (actionResult.kind !== "CustomEntityRecognition") {
      throw new Error(`Expected a CustomEntityRecognition results but got: ${actionResult.kind}`);
    }
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    for (const result of actionResult.results) {
      console.log(`- Document ${result.id}`);
      if (result.error) {
        const { code, message } = result.error;
        throw new Error(`Unexpected error (${code}): ${message}`);
      }
      console.log("\tRecognized Entities:");
      for (const entity of result.entities) {
        console.log(`\t- Entity "${entity.text}" of type ${entity.category}`);
      }
    }
  }
}

main();

カスタム単一ラベル分類

Azure Language Studio を使用して構築されたカスタムの単一ラベルモデルを使用してドキュメントを分類します。

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "The plot begins with a large group of characters where everyone thinks that the two main ones should be together but foolish things keep them apart. Misunderstandings, miscommunication, and confusion cause a series of humorous situations.",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "CustomSingleLabelClassification",
      deploymentName,
      projectName,
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  const results = await poller.pollUntilDone();

  for await (const actionResult of results) {
    if (actionResult.kind !== "CustomSingleLabelClassification") {
      throw new Error(
        `Expected a CustomSingleLabelClassification results but got: ${actionResult.kind}`
      );
    }
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    for (const result of actionResult.results) {
      console.log(`- Document ${result.id}`);
      if (result.error) {
        const { code, message } = result.error;
        throw new Error(`Unexpected error (${code}): ${message}`);
      }
      console.log(`\tClassification: ${result.classification.category}`);
    }
  }
}

main();

カスタムマルチラベル分類

Azure Language Studio を使用して構築されたカスタムマルチラベルモデルを使用してドキュメントを分類します。

const {
  AnalyzeBatchAction,
  AzureKeyCredential,
  TextAnalysisClient,
} = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "The plot begins with a large group of characters where everyone thinks that the two main ones should be together but foolish things keep them apart. Misunderstandings, miscommunication, and confusion cause a series of humorous situations.",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "CustomMultiLabelClassification",
      deploymentName,
      projectName,
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  const results = await poller.pollUntilDone();

  for await (const actionResult of results) {
    if (actionResult.kind !== "CustomMultiLabelClassification") {
      throw new Error(
        `Expected a CustomMultiLabelClassification results but got: ${actionResult.kind}`
      );
    }
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    for (const result of actionResult.results) {
      console.log(`- Document ${result.id}`);
      if (result.error) {
        const { code, message } = result.error;
        throw new Error(`Unexpected error (${code}): ${message}`);
      }
      console.log(`\tClassification:`);
      for (const classification of result.classifications) {
        console.log(`\t\t-category: ${classification.category}`);
      }
    }
  }
}

main();

アクションのバッチ処理

1 つのサービス要求の各入力ドキュメントに複数のアクションを適用します。

const {
  AnalyzeBatchAction,
  AzureKeyCredential,
  TextAnalysisClient,
} = require("@azure/ai-text-analytics");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

const documents = [
  "Microsoft was founded by Bill Gates and Paul Allen.",
  "The employee's SSN is 555-55-5555.",
  "Easter Island, a Chilean territory, is a remote volcanic island in Polynesia.",
  "I use Azure Functions to develop my product.",
];

async function main() {
  const actions: AnalyzeBatchAction[] = [
    {
      kind: "EntityRecognition",
      modelVersion: "latest",
    },
    {
      kind: "PiiEntityRecognition",
      modelVersion: "latest",
    },
    {
      kind: "KeyPhraseExtraction",
      modelVersion: "latest",
    },
  ];
  const poller = await client.beginAnalyzeBatch(actions, documents, "en");
  const actionResults = await poller.pollUntilDone();
  for await (const actionResult of actionResults) {
    if (actionResult.error) {
      const { code, message } = actionResult.error;
      throw new Error(`Unexpected error (${code}): ${message}`);
    }
    switch (actionResult.kind) {
      case "KeyPhraseExtraction": {
        for (const doc of actionResult.results) {
          console.log(`- Document ${doc.id}`);
          if (!doc.error) {
            console.log("\tKey phrases:");
            for (const phrase of doc.keyPhrases) {
              console.log(`\t- ${phrase}`);
            }
          } else {
            console.error("\tError:", doc.error);
          }
        }
        break;
      }
      case "EntityRecognition": {
        for (const doc of actionResult.results) {
          console.log(`- Document ${doc.id}`);
          if (!doc.error) {
            console.log("\tEntities:");
            for (const entity of doc.entities) {
              console.log(`\t- Entity ${entity.text} of type ${entity.category}`);
            }
          } else {
            console.error("\tError:", doc.error);
          }
        }
        break;
      }
      case "PiiEntityRecognition": {
        for (const doc of actionResult.results) {
          console.log(`- Document ${doc.id}`);
          if (!doc.error) {
            console.log("\tPii Entities:");
            for (const entity of doc.entities) {
              console.log(`\t- Entity ${entity.text} of type ${entity.category}`);
            }
          } else {
            console.error("\tError:", doc.error);
          }
        }
        break;
      }
      default: {
        throw new Error(`Unexpected action results: ${actionResult.kind}`);
      }
    }
  }
}

main();

トラブルシューティング

ログの記録

ログの記録を有効にすると、エラーに関する有用な情報を明らかにするのに役立つ場合があります。 HTTP 要求と応答のログを表示するには、環境変数 AZURE_LOG_LEVEL を info に設定します。または、@azure/logger で setLogLevel を呼び出して、実行時にログ記録を有効にすることもできます。

import { setLogLevel } from "@azure/logger";

setLogLevel("info");

ログを有効にする方法の詳細については、@azure/logger パッケージに関するドキュメントを参照してください。

次のステップ

このライブラリの使用方法の詳細な例については、 samples ディレクトリを参照してください。

共同作成

このライブラリに投稿する場合、コードをビルドしてテストする方法の詳細については、投稿ガイドを参照してください。

Microsoft Azure SDK for JavaScript

インプレッション数

次の方法で共有

JavaScript 用 Azure Text Analysis クライアントライブラリ - バージョン 6.0.0-beta.1

はじめに

現在サポートされている環境

前提条件

`@azure/ai-text-analytics` パッケージのインストール

`TextAnalysisClient` を作成して認証する

API キーの使用

Azure Active Directory 資格情報の使用

主要な概念

TextAnalysisClient

入力

戻り値

ドキュメントエラー処理

例

感情分析

エンティティの認識

PII エンティティ認識

Entity Linking

キーフレーズ抽出

言語検出

医療分析

抽出要約

カスタムエンティティ認識

カスタム単一ラベル分類

カスタムマルチラベル分類

アクションのバッチ処理

トラブルシューティング

ログの記録

次のステップ

共同作成

その他のリソース

次の方法で共有

JavaScript 用 Azure Text Analysis クライアント ライブラリ - バージョン 6.0.0-beta.1

はじめに

現在サポートされている環境

前提条件

@azure/ai-text-analytics パッケージのインストール

TextAnalysisClient を作成して認証する

API キーの使用

Azure Active Directory 資格情報の使用

主要な概念

TextAnalysisClient

入力

戻り値

ドキュメント エラー処理

例

感情分析

エンティティの認識

PII エンティティ認識

Entity Linking

キー フレーズ抽出

言語検出

医療分析

抽出要約

カスタム エンティティ認識

カスタム単一ラベル分類

カスタムマルチラベル分類

アクションのバッチ処理

トラブルシューティング

ログの記録

次のステップ

共同作成

関連プロジェクト

その他のリソース

JavaScript 用 Azure Text Analysis クライアントライブラリ - バージョン 6.0.0-beta.1

`@azure/ai-text-analytics` パッケージのインストール

`TextAnalysisClient` を作成して認証する

ドキュメントエラー処理

キーフレーズ抽出

カスタムエンティティ認識