はじめに
今日のデータドリブンの世界では、大量の情報から意味のある分析情報を抽出することが何よりも重要です。 効果的な要約手法を使用すると、長いドキュメント、顧客レビュー、会話データなどのいずれを扱っている場合でも、未加工の非構造化データをアクションにつながる知識に変換することで、時間を節約し、意思決定をより迅速かつより直感的に行うことができます。 このモジュールでは、Azure AI サービスと Azure Database for PostgreSQL - フレキシブル サーバーの azure_ai 拡張機能で、生成 AI (GenAI) の要約手法を使用して複雑なコンテンツを簡潔な要約に凝縮し、長すぎて読めないとユーザーが考える可能性のあるコンテンツを短くする方法について確認します。
シナリオ: 賃貸物件おすすめアプリに要約機能を追加する
あなたは、Margie's Travel に勤務している開発者です。 同社の Web およびモバイル アプリは、宿泊施設を探している旅行者と、物件を貸したい住宅所有者や物件管理者を仲介します。 これらのアプリは Azure Database for PostgreSQL フレキシブル サーバー データベースに支えられており、あなたには azure_ai 拡張機能を使用して、新しい機能を実装する任務が課されています。物件の説明の簡潔な要約を提供して、顧客が要件を満たす関連物件を簡単に見つけられるようにします。 居心地のよいアパートメント、ウォーターフロント ビュー、またはおしゃれな繁華街のロフトのいずれを探している場合でも、ユーザーを理想的な滞在へと導く要約を作成することを目指しています。
要約の手法
Azure AI サービスを使用する場合、要約を生成するには 2 つの手法を使用できます。 これらの方法とその違いを理解することは、複雑な情報をわかりやすい分析情報へと精製する機能を備えた、インテリジェントなアプリケーションを構築できるようになるために不可欠です。
抽出要約:テキストの主要な概念を伝える文章を、元のコンテンツから直接特定して抽出します。
抽象的な要約:要約されたコンテンツを、別の表現で言い換えたり、より簡潔に言い換えたりすることで、クリエイティブな要約を生成します。 この要約は、元のテキストの本質をとらえるように設計されています。
学習の目的
このモジュール全体を通じて、GenAI の要約手法と、azure_ai 拡張機能を介して Azure Database for PostgreSQL フレキシブル サーバー データベース内でそれらを直接使用できる方法について説明します。 それぞれの要約アプローチを適用し、生成された要約の品質を評価するための知識が提供されます。 このモジュールでは、次のことを行います。
- Azure AI サービスと
azure_ai拡張機能を介して使用できる要約手法を評価します。 - "抽出" と "抽象的な" 要約の違いを確認します。
- PostgreSQL データベース内のデータに GenAI 要約手法を適用し、Azure AI サービスと要約の
azure_ai拡張機能を使用した実践的な経験を積みます。
このモジュールを終了すると、GenAI 手法を使用してデータを効果的に要約するための知識とスキルが身に付き、大量のコンテンツから分析情報を抽出する能力が向上します。