Azure AI Language サービスの事前構築済み機能を理解する
Azure AI Language サービスでは、人間の言語を理解するためのさまざまな機能が提供されます。 各特徴を使って、ユーザーとのコミュニケーションを改善し、受信したコミュニケーションについて理解を深め、これらを組み合わせて、ユーザーが何を言っているのか、何を意図しているか、何を尋ねているのかについて洞察を深めることができます。
Azure AI Language サービスの機能は、事前構成済み機能と学習済み機能の 2 つのカテゴリに分類されます。 学習した特徴には、適切なラベルを正しく予測するモデルを構築してトレーニングする必要があります。これについては、このモジュールの今後のユニットで説明します。
このユニットでは、Azure AI Language サービスのほとんどの機能について説明しますが、クイックスタートや使用可能なすべての機能の詳細な説明など、完全な一覧については、Azure AI Language サービスのドキュメントを参照してください。
アプリでこれらの特徴を使うには、クエリを適切なエンドポイントに送信する必要があります。 特定の特徴のクエリに使われるエンドポイントはさまざまですが、それらのすべてには、REST 要求を構築するとき、または SDK を使ってクライアントを定義するときに、Azure アカウントで作成した Azure AI Language リソースがプレフィックスとして付けられます。 それぞれの例は、次のユニットで確認できます。
事前構成済みの機能
Azure AI Language サービスでは、モデルのラベル付けまたはトレーニングを行うことなく特定の機能が提供されます。 リソースを作成したら、データを送信し、返された結果をアプリケーションで使用できます。
次の機能はすべて事前に構成されています。
概要
概要作成はドキュメントと会話の両方に使用でき、入力の意味をカプセル化するために、テキストが、予測される主要な文に要約されます。
名前付きエンティティの認識
固有表現認識を使用すると、人、場所、または会社などのエンティティを抽出および識別でき、ユーザーのアプリで、自然言語による応答を向上させるためにさまざまな種類のエンティティを認識できるようになります。 たとえば、"ウォーター フロント桟橋は私のお気に入りのシアトルの観光名所です" というテキストの場合、"シアトル" が識別され、場所として分類されます。
個人を特定できる情報 (PII) の検出
PII の検出を使用すると、メールアドレス、自宅の住所、IP アドレス、使命、保護されている医療情報など、機密と見なされる可能性がある情報の識別、分類、編集を行うことができます。 たとえば、クエリにテキスト "email@contoso.com" が含まれていた場合、メールアドレス全体を識別し、編集できます。
キー フレーズの抽出
キー フレーズ抽出は、提供されたテキストから主要な概念をすばやく取り出す機能です。 たとえば、"Text Analytics は、Azure AI サービスの機能の 1 つです" というテキストの場合、サービスによって、"Azure AI サービス" と "Text Analytics" が抽出されます。
センチメント分析
感情分析では、文字列またはドキュメントがどの程度肯定的または否定的であるかを識別します。 たとえば、"すばらしいホテルです。 徒歩圏内に食べる所や観光名所が数多くあります" というテキストの場合、サービスでは、比較的高い信頼スコアでテキストを "肯定的" として識別します。
言語検出
言語検出では、1 つ以上のドキュメントを受け取り、それぞれの言語を識別します。 たとえば、ドキュメントの 1 つのテキストが "Bonjour" だった場合、サービスでは、それを "フランス語" として識別します。
学習済み機能
学習済み機能をアプリケーションで使用できるようにするには、データにラベルを付け、モデルのトレーニングとデプロイを行う必要があります。 これらの機能を使用すると、予測または抽出される情報をカスタマイズできます。
注意
データの品質は、モデルの精度に大きく影響します。 使用するデータ、タグ付けまたはラベル付けの適切さ、トレーニング データの多様性を意識する必要があります。 詳細については、データのラベル付けに関する推奨事項のページを参照してください。ここでは、データのタグ付けに関する重要なガイドラインが掲載されています。 また、モデルの改善が必要な場合に学習に役立つ「評価メトリック」も参照してください。
会話言語理解 (CLU)
CLU は、Azure AI Language で提供される主要なカスタム機能の 1 つです。 CLU は、全体的な意図を予測し、受信した発話から重要な情報を抽出するためのカスタムの自然言語理解モデルをユーザーが構築するのに役立ちます。 CLU では、ユーザーは、意図とエンティティを正確に予測する方法をモデルに教えるために、データにタグを付ける必要があります。
このモジュールの演習では、CLU モデルを構築し、アプリで使います。
カスタム固有表現認識
カスタム固有表現認識では、カスタムのラベル付きデータを受け取り、指定されたエンティティを非構造化テキストから抽出します。 たとえば、さまざまな契約書があり、それらから関係者を抽出したい場合、予測方法を認識するようにモデルをトレーニングできます。
カスタム テキスト分類
カスタム テキスト分類を使用すると、ユーザーは、テキストまたはドキュメントを定義済みのカスタム グループとして分類できます。 たとえば、新しい記事を付け、それらを分類するカテゴリ ("ニュース"、"エンターテイメント" など) を識別するようにモデルをトレーニングできます。
質問応答
質問応答は、ほとんどが事前構成された機能であり、入力として提供された質問に対する回答を提供します。 これらの質問に回答するデータは、FAQ やマニュアルなどのドキュメントから取得されます。
たとえば、一般的な質問に回答するために、会社の Web サイトで仮想チャット アシスタントを作成するとしましょう。 会社の FAQ を入力ドキュメントとして使用し、質問と回答のペアを作成できます。 チャット アシスタントをデプロイすると、入力の質問がサービスに渡され、結果として回答を得ることができます。
機能の完全な一覧とその使用方法については、Azure AI Language のドキュメントを参照してください。