Inzicht in vooraf gedefinieerde mogelijkheden van de Azure AI Language-service
De Azure AI Language-service biedt verschillende functies voor het begrijpen van menselijke taal. U kunt elke functie gebruiken om beter te communiceren met gebruikers, beter inzicht te krijgen in binnenkomende communicatie of om ze samen te gebruiken om meer inzicht te krijgen in wat de gebruiker zegt, van plan is en om te vragen.
Azure AI Language-servicefuncties vallen in twee categorieën: vooraf geconfigureerde functies en Geleerde functies. Voor geleerde functies is het bouwen en trainen van een model nodig om de juiste labels correct te voorspellen. Dit wordt behandeld in toekomstige eenheden van deze module.
In deze les worden de meeste mogelijkheden van de Azure AI Language-service behandeld, maar ga naar de documentatie van de Azure AI Language-service voor een volledige lijst, inclusief quickstarts en een volledige uitleg van alles wat beschikbaar is.
Als u deze functies in uw app gebruikt, moet u uw query verzenden naar het juiste eindpunt. Het eindpunt dat wordt gebruikt om een query uit te voeren op een specifieke functie varieert, maar ze worden allemaal voorafgegaan door de Azure AI Language-resource die u hebt gemaakt in uw Azure-account, hetzij bij het bouwen van uw REST-aanvraag of het definiëren van uw client met behulp van een SDK. Voorbeelden hiervan vindt u in de volgende les.
Vooraf geconfigureerde functies
De Azure AI Language-service biedt bepaalde functies zonder modellabels of -training. Zodra u uw resource hebt gemaakt, kunt u uw gegevens verzenden en de geretourneerde resultaten in uw app gebruiken.
De volgende functies zijn allemaal vooraf geconfigureerd.
Samenvatting
Samenvatting is beschikbaar voor zowel documenten als gesprekken en bevat een overzicht van de tekst in belangrijke zinnen die worden voorspeld om de betekenis van de invoer in te kapselen.
Herkenning van genoemde entiteiten
Herkenning van benoemde entiteiten kan entiteiten, zoals personen, plaatsen of bedrijven, extraheren en identificeren, zodat uw app verschillende typen entiteiten kan herkennen voor verbeterde reacties in natuurlijke taal. Op basis van de tekst 'The waterfront pier is my favorite Seattle attraction', zou Seattle worden geïdentificeerd en gecategoriseerd als een locatie.
Detectie van persoonsgegevens (PII)
Met PII-detectie kunt u informatie identificeren, categoriseren en redaceren die als gevoelig kunnen worden beschouwd, zoals e-mailadressen, thuisadressen, IP-adressen, namen en beveiligde statusgegevens. Als de tekstemail@contoso.com '' bijvoorbeeld is opgenomen in de query, kan het volledige e-mailadres worden geïdentificeerd en bewerkt.
Sleuteltermextractie
Sleuteltermextractie is een functie die snel de belangrijkste concepten uit de opgegeven tekst haalt. Als u bijvoorbeeld de tekst 'Text Analytics is een van de functies in Azure AI Services', zou de service 'Azure AI Services' en 'Text Analytics' extraheren.
Sentimentanalyse
Sentimentanalyse geeft aan hoe positief of negatief een tekenreeks of document is. Bijvoorbeeld, gegeven de tekst "Geweldig hotel. Dicht bij tal van eten en attracties waar we naar kunnen lopen", zou de service identificeren dat als positief met een relatief hoge betrouwbaarheidsscore.
Taaldetectie
Taaldetectie gebruikt een of meer documenten en identificeert de taal voor elk document. Als de tekst van een van de documenten bijvoorbeeld 'Bonjour' was, zou de service dat identificeren als Frans.
Geleerde functies
Voor geleerde functies moet u gegevens labelen, trainen en implementeren om het beschikbaar te maken voor gebruik in uw toepassing. Met deze functies kunt u aanpassen welke informatie wordt voorspeld of geëxtraheerd.
Notitie
De kwaliteit van gegevens heeft een grote invloed op de nauwkeurigheid van het model. Wees bewust van welke gegevens worden gebruikt, hoe goed deze zijn gelabeld of gelabeld en hoe gevarieerd de trainingsgegevens zijn. Zie voor meer informatie aanbevelingen voor het labelen van gegevens, waaronder waardevolle richtlijnen voor het taggen van gegevens. Zie ook de metrische evaluatiegegevens die u kunnen helpen bij het leren waar uw model verbetering nodig heeft.
CLU (conversatietaalbegrip)
CLU is een van de belangrijkste aangepaste functies van Azure AI Language. CLU helpt gebruikers bij het bouwen van aangepaste modellen voor natuurlijke taalbegrip om de algemene intentie te voorspellen en belangrijke informatie te extraheren uit binnenkomende uitingen. CLU vereist dat gegevens worden gelabeld door de gebruiker om te leren hoe ze intenties en entiteiten nauwkeurig kunnen voorspellen.
De oefening in deze module bouwt een CLU-model en gebruikt dit in uw app.
Aangepaste herkenning van benoemde entiteiten
Aangepaste entiteitsherkenning neemt aangepaste gelabelde gegevens en extraheert opgegeven entiteiten uit ongestructureerde tekst. Als u bijvoorbeeld verschillende contractdocumenten hebt waaruit u betrokken partijen wilt extraheren, kunt u een model trainen om te herkennen hoe u deze kunt voorspellen.
Aangepaste tekstclassificatie
Met aangepaste tekstclassificatie kunnen gebruikers tekst of documenten classificeren als aangepaste gedefinieerde groepen. U kunt bijvoorbeeld een model trainen om nieuwsartikelen te bekijken en de categorie te identificeren waar ze in moeten vallen, zoals Nieuws of Entertainment.
Vragen beantwoorden
Het beantwoorden van vragen is een voornamelijk vooraf geconfigureerde functie die antwoorden biedt op vragen die worden verstrekt als invoer. De gegevens om deze vragen te beantwoorden zijn afkomstig uit documenten zoals veelgestelde vragen of handleidingen.
Stel dat u een virtuele chatassistent op uw bedrijfswebsite wilt maken om veelgestelde vragen te beantwoorden. U kunt een veelgestelde vragen van een bedrijf gebruiken als invoerdocument om de vraag- en antwoordparen te maken. Zodra deze is geïmplementeerd, kan uw chatassistent invoervragen doorgeven aan de service en de antwoorden krijgen als gevolg hiervan.
Zie de documentatie voor Azure AI Language voor een volledige lijst met mogelijkheden en hoe u deze kunt gebruiken.