Omówienie wstępnie utworzonych możliwości usługi językowej Azure AI
Usługa językowa Azure AI udostępnia różne funkcje do zrozumienia języka ludzkiego. Za pomocą każdej funkcji można lepiej komunikować się z użytkownikami, lepiej zrozumieć komunikację przychodzącą lub użyć ich razem, aby uzyskać lepszy wgląd w to, co użytkownik mówi, zamierza i pyta.
Funkcje usługi językowej azure AI dzielą się na dwie kategorie: wstępnie skonfigurowane funkcje i Funkcje poznane. Poznane funkcje wymagają tworzenia i trenowania modelu w celu poprawnego przewidywania odpowiednich etykiet, które zostały omówione w kolejnych lekcjach tego modułu.
W tej lekcji omówiono większość możliwości usługi językowej Azure AI, ale przejdź do dokumentacji usługi językowej azure AI, aby uzyskać pełną listę, w tym przewodniki Szybki start i pełne wyjaśnienie wszystkich dostępnych elementów.
Korzystanie z tych funkcji w aplikacji wymaga wysłania zapytania do odpowiedniego punktu końcowego. Punkt końcowy używany do wykonywania zapytań dotyczących określonej funkcji różni się, ale wszystkie z nich są poprzedzone zasobem języka sztucznej inteligencji platformy Azure utworzonym na koncie platformy Azure podczas kompilowania żądania REST lub definiowania klienta przy użyciu zestawu SDK. Przykłady z nich można znaleźć w następnej lekcji.
Wstępnie skonfigurowane funkcje
Usługa języka AI platformy Azure udostępnia pewne funkcje bez żadnego etykietowania modelu ani trenowania. Po utworzeniu zasobu możesz wysłać dane i użyć zwróconych wyników w aplikacji.
Wszystkie poniższe funkcje są wstępnie skonfigurowane.
Podsumowanie
Podsumowanie jest dostępne zarówno dla dokumentów, jak i konwersacji, i podsumuje tekst w kluczowych zdaniach, które są przewidywane do hermetyzacji znaczenia danych wejściowych.
Rozpoznawanie jednostek nazwanych
Rozpoznawanie jednostek nazwanych może wyodrębniać i identyfikować jednostki, takie jak osoby, miejsca lub firmy, co umożliwia aplikacji rozpoznawanie różnych typów jednostek w celu uzyskania ulepszonych odpowiedzi w języku naturalnym. Na przykład, biorąc pod uwagę tekst "Molo nabrzeżu jest moją ulubioną atrakcją Seattle", Seattle zostanie zidentyfikowane i sklasyfikowane jako lokalizacja.
Wykrywanie danych osobowych
Wykrywanie danych osobowych umożliwia identyfikowanie, kategoryzowanie i redagowanie informacji, które mogą być uznawane za poufne, takie jak adresy e-mail, adresy główne, adresy IP, nazwy i chronione informacje o kondycji. Jeśli na przykład tekst "email@contoso.com" został uwzględniony w zapytaniu, można zidentyfikować i zredagować cały adres e-mail.
Wyodrębnianie kluczowych fraz
Wyodrębnianie kluczowych fraz to funkcja, która szybko wyciąga główne pojęcia z podanego tekstu. Na przykład, biorąc pod uwagę tekst "analiza tekstu jest jedną z funkcji w usługach Azure AI Services"., usługa wyodrębnia "usługi Azure AI Services" i "analiza tekstu".
Analiza opinii
Analiza tonacji określa, jak pozytywny lub ujemny jest ciąg lub dokument. Na przykład, biorąc pod uwagę tekst "Wielki hotel. Blisko dużej ilości jedzenia i atrakcji, do których moglibyśmy chodzić", usługa zidentyfikowałaby to jako pozytywne z stosunkowo wysokim współczynnikiem ufności.
Wykrywanie języka
Wykrywanie języka przyjmuje co najmniej jeden dokument i identyfikuje język dla każdego z nich. Jeśli na przykład tekst jednego z dokumentów to "Bonjour", usługa określi to jako francuski.
Poznane funkcje
Poznane funkcje wymagają etykietowania danych, trenowania i wdrażania modelu w celu udostępnienia go do użycia w aplikacji. Te funkcje umożliwiają dostosowanie przewidywanych lub wyodrębnionych informacji.
Uwaga
Jakość danych znacznie wpływa na dokładność modelu. Należy celowo określić, jakie dane są używane, jak dobrze są oznaczane lub oznaczone etykietami oraz jak zróżnicowane są dane treningowe. Aby uzyskać szczegółowe informacje, zobacz zalecenia dotyczące etykietowania danych, które zawierają cenne wskazówki dotyczące tagowania danych. Zobacz również metryki oceny, które mogą pomóc w uczeniu się, gdzie model wymaga poprawy.
Interpretacja języka konwersacyjnego (CLU)
CLU to jedna z podstawowych funkcji niestandardowych oferowanych przez język sztucznej inteligencji platformy Azure. Clu ułatwia użytkownikom tworzenie niestandardowych modeli interpretacji języka naturalnego w celu przewidywania ogólnej intencji i wyodrębniania ważnych informacji z przychodzących wypowiedzi. Clu wymaga, aby dane były oznakowane przez użytkownika, aby nauczyć go, jak dokładnie przewidywać intencje i jednostki.
Ćwiczenie w tym module będzie kompilować model CLU i używać go w aplikacji.
Niestandardowe rozpoznawanie nazwanych jednostek
Rozpoznawanie jednostek niestandardowych pobiera niestandardowe dane oznaczone etykietami i wyodrębnia określone jednostki z tekstu bez struktury. Jeśli na przykład masz różne dokumenty kontraktowe, z których chcesz wyodrębnić zaangażowane strony, możesz wytrenować model, aby rozpoznać sposób ich przewidywania.
Niestandardowa klasyfikacja tekstu
Niestandardowa klasyfikacja tekstu umożliwia użytkownikom klasyfikowanie tekstu lub dokumentów jako niestandardowych grup zdefiniowanych. Na przykład możesz wytrenować model, aby przyjrzeć się artykułom z wiadomościami i zidentyfikować kategorię, do której należy należeć, na przykład Wiadomości lub Rozrywka.
Odpowiadanie na pytania
Odpowiadanie na pytania to przede wszystkim wstępnie skonfigurowana funkcja, która zapewnia odpowiedzi na pytania podane jako dane wejściowe. Dane, na które można odpowiedzieć na te pytania, pochodzą z dokumentów, takich jak często zadawane pytania lub podręczniki.
Załóżmy na przykład, że chcesz utworzyć wirtualnego asystenta czatu w firmowej witrynie internetowej, aby odpowiedzieć na typowe pytania. Możesz użyć często zadawanych pytań firmy jako dokumentu wejściowego, aby utworzyć pary pytań i odpowiedzi. Po wdrożeniu asystent czatu może przekazać pytania wejściowe do usługi i uzyskać odpowiedzi w wyniku.
Aby uzyskać pełną listę możliwości i sposobu ich używania, zobacz dokumentację języka AI platformy Azure.