Så här skapar du ett anpassat NER-projekt

Använd den här artikeln om du vill lära dig hur du konfigurerar kraven för att börja med anpassad NER och skapa ett projekt.

Förutsättningar

Innan du börjar använda anpassad NER behöver du:

• En Azure-prenumeration – Skapa en kostnadsfritt.

Skapa en språkresurs

Innan du börjar använda anpassad NER behöver du en Azure AI Language-resurs. Vi rekommenderar att du skapar språkresursen och ansluter ett lagringskonto till den i Azure Portal. När du skapar en resurs i Azure Portal kan du skapa ett Azure-lagringskonto samtidigt med alla nödvändiga behörigheter förkonfigurerade. Du kan också läsa mer i artikeln om du vill lära dig hur du använder en befintlig resurs och konfigurerar den så att den fungerar med anpassad namngiven entitetsigenkänning.

Du behöver också ett Azure Storage-konto där du laddar upp dina .txt dokument som ska användas för att träna en modell för att extrahera entiteter.

Kommentar

• Du måste ha en ägarroll tilldelad till resursgruppen för att skapa en språkresurs.
• Om du ska ansluta ett befintligt lagringskonto bör du ha tilldelats en ägarroll.

Skapa språkresurs och ansluta lagringskonto

Du kan skapa en resurs på följande sätt:

• Azure-portalen
• Language Studio
• PowerShell

Kommentar

Du bör inte flytta lagringskontot till en annan resursgrupp eller prenumeration när det är länkat till språkresursen.

Skapa en ny resurs från Azure Portal

1. Logga in på Azure Portal för att skapa en ny Azure AI Language-resurs.

2. I fönstret som visas väljer du Anpassad textklassificering och anpassad namngiven entitetsigenkänning från de anpassade funktionerna. Välj Fortsätt för att skapa resursen längst ned på skärmen.

   

3. Skapa en språkresurs med följande information.

   Name	beskrivning
   Prenumeration	Din Azure-prenumeration.
   Resursgrupp	En resursgrupp som ska innehålla din resurs. Du kan använda en befintlig eller skapa en ny.
   Region	Regionen för språkresursen. Till exempel "USA, västra 2".
   Name	Ett namn på resursen.
   Prisnivå	Prisnivån för din språkresurs. Du kan använda nivån Kostnadsfri (F0) för att prova tjänsten.

   Kommentar

   Om du får ett meddelande om att ditt inloggningskonto inte är ägare till det valda lagringskontots resursgrupp måste ditt konto ha en ägarroll tilldelad till resursgruppen innan du kan skapa en Språkresurs. Kontakta din Azure-prenumerationsägare om du vill ha hjälp.

4. I avsnittet Anpassad textklassificering och anpassad namngiven entitetsigenkänning väljer du ett befintligt lagringskonto eller väljer Nytt lagringskonto. Dessa värden hjälper dig att komma igång och inte nödvändigtvis de lagringskontovärden som du vill använda i produktionsmiljöer. Undvik svarstider när du skapar projektet genom att ansluta till lagringskonton i samma region som språkresursen.

   Lagringskontovärde	Rekommenderat värde
   Lagringskontonamn	Valfritt namn
   Storage account type	Standard LRS

5. Kontrollera att meddelandet om ansvarsfull AI är markerat. Välj Granska + skapa längst ned på sidan och välj sedan Skapa.

Skapa en ny språkresurs från Language Studio

Om det är första gången du loggar in visas ett fönster i Language Studio där du kan välja en befintlig språkresurs eller skapa en ny. Du kan också skapa en resurs genom att klicka på inställningsikonen i det övre högra hörnet, välja Resurser och sedan klicka på Skapa en ny resurs.

Skapa en språkresurs med följande information.

Instansinformation	Obligatoriskt värde
Azure-prenumeration	Din Azure-prenumeration
Azure-resursgrupp	Din Azure-resursgrupp
Azure-resursnamn	Ditt Azure-resursnamn
Plats	Regionen för språkresursen.
Prisnivå	Prisnivån för din språkresurs.

Viktigt!

• Se till att aktivera hanterad identitet när du skapar en språkresurs.
• Läs och bekräfta meddelande om ansvarsfull AI

Om du vill använda anpassad namngiven entitetsigenkänning måste du skapa ett Azure-lagringskonto om du inte redan har ett.

Skapa en ny språkresurs med PowerShell

Du kan skapa en ny resurs och ett lagringskonto med hjälp av följande CLI-mall- och parameterfiler som finns på GitHub.

Redigera följande värden i parameterfilen:

Parameternamn	Värdebeskrivning
name	Namnet på språkresursen
location	Region där resursen finns. Mer information finns i Tjänstbegränsningar.
sku	Prisnivå för din resurs.
storageResourceName	Namnet på ditt lagringskonto
storageLocation	Region där ditt lagringskonto finns.
storageSkuType	SKU för ditt lagringskonto.
storageResourceGroupName	Resursgrupp för ditt lagringskonto

Använd följande PowerShell-kommando för att distribuera Azure Resource Manager-mallen (ARM) med de filer som du redigerade.

New-AzResourceGroupDeployment -Name ExampleDeployment -ResourceGroupName ExampleResourceGroup `
  -TemplateFile <path-to-arm-template> `
  -TemplateParameterFile <path-to-parameters-file>

Mer information om hur du distribuerar mallar och parameterfiler finns i dokumentationen för ARM-mallar.

Kommentar

• Processen för att ansluta ett lagringskonto till språkresursen kan inte ångras. Den kan inte kopplas från senare.
• Du kan bara ansluta språkresursen till ett lagringskonto.

Använda en befintlig språkresurs

Du kan använda en befintlig språkresurs för att komma igång med anpassad NER så länge den här resursen uppfyller kraven nedan:

Krav	Beskrivning
Regioner	Kontrollera att din befintliga resurs har etablerats i en av de regioner som stöds. Annars måste du skapa en ny resurs i någon av dessa regioner.
Prisnivå	Läs mer om prisnivåer som stöds.
Hanterad identitet	Kontrollera att resursens inställning för hanterad identitet är aktiverad. Annars läser du nästa avsnitt.

Om du vill använda anpassad namngiven entitetsigenkänning måste du skapa ett Azure-lagringskonto om du inte redan har ett.

Aktivera identitetshantering för din resurs

Azure-portalen

Språkresursen måste ha identitetshantering för att aktivera den med hjälp av Azure Portal:

1. Gå till språkresursen
2. I den vänstra menyn går du till avsnittet Resurshantering och väljer Identitet
3. Från fliken Systemtilldelat ser du till att ange Status till På

Language Studio

Språkresursen måste ha identitetshantering för att kunna aktivera den med Hjälp av Language Studio:

1. Välj inställningsikonen i det övre högra hörnet på skärmen
2. Välj resurser
3. Markera kryssrutan Hanterad identitet för din Azure AI Language-resurs.

Aktivera funktionen för anpassad namngiven entitetsigenkänning

Se till att aktivera funktionen Anpassad textklassificering/anpassad namngiven entitetsigenkänning från Azure Portal.

1. Gå till språkresursen i Azure Portal.
2. På menyn till vänster går du till avsnittet Resurshantering och väljer Funktioner.
3. Aktivera anpassad textklassificering/funktion för anpassad namngiven entitetsigenkänning .
4. Anslut ditt lagringskonto.
5. Välj Använd.

Viktigt!

• Kontrollera att språkresursen har tilldelats rollen storage blob data contributor på lagringskontot som du ansluter.

Lägga till nödvändiga roller

Använd följande steg för att ange de roller som krävs för språkresursen och lagringskontot.

Roller för din Azure AI Language-resurs

1. Gå till lagringskontot eller språkresursen i Azure Portal.

2. Välj Åtkomstkontroll (IAM) i den vänstra navigeringsmenyn.

3. Välj Lägg till för att lägga till rolltilldelningar och välj lämplig roll för ditt konto.

   Du bör ha rollen ägare eller deltagare tilldelad till språkresursen.

4. I Tilldela åtkomst till väljer du Användare, grupp eller tjänstens huvudnamn

5. Välj Välj medlemmar

6. Välj ditt användarnamn. Du kan söka efter användarnamn i fältet Välj . Upprepa detta för alla roller.

7. Upprepa de här stegen för alla användarkonton som behöver åtkomst till den här resursen.

Roller för ditt lagringskonto

1. Gå till lagringskontosidan i Azure Portal.
2. Välj Åtkomstkontroll (IAM) i den vänstra navigeringsmenyn.
3. Välj Lägg till för att lägga till rolltilldelningar och välj rollen Lagringsblobdatadeltagare för lagringskontot.
4. I Tilldela åtkomst till väljer du Hanterad identitet.
5. Välj Välj medlemmar
6. Välj din prenumeration och Språk som hanterad identitet. Du kan söka efter användarnamn i fältet Välj .

Roller för din användare

Viktigt!

Om du hoppar över det här steget får du ett 403-fel när du försöker ansluta till ditt anpassade projekt. Det är viktigt att den aktuella användaren har den här rollen för åtkomst till lagringskontots blobdata, även om du är ägare till lagringskontot.

1. Gå till lagringskontosidan i Azure Portal.
2. Välj Åtkomstkontroll (IAM) i den vänstra navigeringsmenyn.
3. Välj Lägg till för att lägga till rolltilldelningar och välj rollen Lagringsblobdatadeltagare för lagringskontot.
4. I Tilldela åtkomst till väljer du Användare, grupp eller tjänstens huvudnamn.
5. Välj Välj medlemmar
6. Välj din användare. Du kan söka efter användarnamn i fältet Välj .

Viktigt!

Om du har ett virtuellt nätverk eller en privat slutpunkt måste du välja Tillåt att Azure-tjänster i listan över betrodda tjänster får åtkomst till det här lagringskontot i Azure Portal.

Aktivera CORS för ditt lagringskonto

Se till att tillåta metoder (GET, PUT, DELETE) när du aktiverar CORS (Cross-Origin Resource Sharing). Ange fältet tillåtet ursprung till https://language.cognitive.azure.com. Tillåt alla sidhuvuden genom att lägga * till i de tillåtna rubrikvärdena och ange den maximala åldern till 500.

Skapa ett anpassat projekt för entitetsigenkänning

När resursen och lagringscontainern har konfigurerats skapar du ett nytt anpassat NER-projekt. Ett projekt är ett arbetsområde för att skapa anpassade AI-modeller baserat på dina data. Ditt projekt kan bara nås av dig och andra som har åtkomst till den Azure-resurs som används. Om du har märkt data kan du använda dem för att komma igång genom att importera ett projekt.

Language Studio

1. Logga in på Language Studio. Ett fönster visas där du kan välja din prenumeration och språkresurs. Välj den språkresurs som du skapade i steget ovan.

2. Under avsnittet Extrahera information i Language Studio väljer du Anpassad namngiven entitetsigenkänning.

   

3. Välj Skapa nytt projekt på den översta menyn på projektsidan. När du skapar ett projekt kan du tagga data, träna, utvärdera, förbättra och distribuera dina modeller.

   

4. När du har klickat på Skapa nytt projekt visas ett fönster där du kan ansluta ditt lagringskonto. Om du redan har anslutit ett lagringskonto visas det anslutna lagringskontot. Om inte väljer du ditt lagringskonto i listrutan som visas och väljer Anslut lagringskonto. Detta anger de roller som krävs för ditt lagringskonto. Det här steget returnerar eventuellt ett fel om du inte har tilldelats som ägare på lagringskontot.

   Kommentar

   • Du behöver bara göra det här steget en gång för varje ny resurs som du använder.
   • Den här processen kan inte ångras, om du ansluter ett lagringskonto till din Språkresurs kan du inte koppla från det senare.
   • Du kan bara ansluta språkresursen till ett lagringskonto.

   

5. Ange projektinformationen, inklusive ett namn, en beskrivning och språket för filerna i projektet. Om du använder exempeldatauppsättningen väljer du Engelska. Du kommer inte att kunna ändra namnet på projektet senare. Välj Nästa

   Dricks

   Datamängden behöver inte vara helt på samma språk. Du kan ha flera dokument, var och en med olika språk som stöds. Om datamängden innehåller dokument med olika språk eller om du förväntar dig text från olika språk under körningen väljer du alternativet Aktivera flerspråkig datauppsättning när du anger grundläggande information för projektet. Det här alternativet kan aktiveras senare från sidan Projektinställningar .

6. Välj den container där du har laddat upp datamängden. Om du redan har etiketterat data kontrollerar du att de följer formatet som stöds och väljer Ja, mina filer är redan märkta och jag har formaterat JSON-etikettfilen och väljer etikettfilen i den nedrullningsbara menyn. Välj Nästa.

7. Granska de data som du har angett och välj Skapa projekt.

REST API:er

Om du vill börja skapa en anpassad namngiven entitetsigenkänningsmodell måste du skapa ett projekt. När du skapar ett projekt kan du märka data, träna, utvärdera, förbättra och distribuera dina modeller.

Kommentar

Projektnamnet är skiftlägeskänsligt för alla åtgärder.

Skapa en PATCH-begäran med hjälp av följande URL, rubriker och JSON-brödtext för att skapa projektet.

Begärans-URL

Använd följande URL för att skapa ett projekt. Ersätt platshållarvärdena nedan med dina egna värden.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{API-VERSION}	Den version av API:et som du anropar. Värdet som refereras här är för den senaste versionen som släppts. Mer information om andra tillgängliga API-versioner finns i Modelllivscykel .	2022-05-01

Sidhuvuden

Använd följande rubrik för att autentisera din begäran.

Tangent	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Brödtext

Använd följande JSON i din begäran. Ersätt platshållarvärdena nedan med dina egna värden.

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "CustomEntityRecognition",
  "description": "Project description",
  "multilingual": "True",
  "storageInputContainerName": "{CONTAINER-NAME}"
}

Nyckel	Platshållare	Värde	Exempel
projektnamn	{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
språk	{LANGUAGE-CODE}	En sträng som anger språkkoden för de dokument som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta dokumenten. Mer information om språkkoder som stöds finns i språkstöd .	en-us
projectKind	CustomEntityRecognition	Din projekttyp.	CustomEntityRecognition
flerspråkig	true	Ett booleskt värde som gör att du kan ha dokument på flera språk i datauppsättningen och när din modell distribueras kan du fråga modellen på alla språk som stöds (inte nödvändigtvis i dina träningsdokument. Mer information om flerspråkig support finns i språkstöd .	true
storageInputContainerName	{CONTAINER-NAME	Namnet på din Azure Storage-container där du har laddat upp dina dokument.	myContainer

Den här begäran returnerar ett 201-svar, vilket innebär att projektet skapas.

Den här begäran returnerar ett fel om:

• Den valda resursen har inte rätt behörighet för lagringskontot.

Importera projekt

Om du redan har etiketterat data kan du använda dem för att komma igång med tjänsten. Kontrollera att dina etiketterade data följer de godkända dataformaten.

Language Studio

1. Logga in på Language Studio. Ett fönster visas där du kan välja din prenumeration och språkresurs. Välj språkresursen.

2. Under avsnittet Extrahera information i Language Studio väljer du Anpassad namngiven entitetsigenkänning.

   

3. Välj Skapa nytt projekt på den översta menyn på projektsidan. När du skapar ett projekt kan du tagga data, träna, utvärdera, förbättra och distribuera dina modeller.

   

4. När du har valt Skapa nytt projekt visas en skärm där du kan ansluta ditt lagringskonto. Om du inte hittar ditt lagringskonto kontrollerar du att du har skapat en resurs med hjälp av de rekommenderade stegen. Om du redan har anslutit ett lagringskonto till språkresursen ser du att ditt lagringskonto är anslutet.

   Kommentar

   • Du behöver bara göra det här steget en gång för varje ny språkresurs som du använder.
   • Den här processen kan inte ångras, om du ansluter ett lagringskonto till din Språkresurs kan du inte koppla från det senare.
   • Du kan bara ansluta språkresursen till ett lagringskonto.

   

5. Ange projektinformationen, inklusive ett namn, en beskrivning och språket för filerna i projektet. Du kommer inte att kunna ändra namnet på projektet senare. Välj Nästa.

   Dricks

   Datamängden behöver inte vara helt på samma språk. Du kan ha flera dokument, var och en med olika språk som stöds. Om datamängden innehåller dokument med olika språk eller om du förväntar dig text från olika språk under körningen väljer du alternativet Aktivera flerspråkig datauppsättning när du anger grundläggande information för projektet. Det här alternativet kan aktiveras senare från sidan Projektinställningar .

6. Välj den container där du har laddat upp datamängden.

7. Välj Ja, mina filer är redan märkta och jag har formaterat JSON-etikettfilen och välj etikettfilen i den nedrullningsbara menyn nedan för att importera JSON-etikettfilen. Kontrollera att det följer formatet som stöds.

8. Välj Nästa.

9. Granska de data som du har angett och välj Skapa projekt.

REST API:er

Skicka en POST-begäran med hjälp av följande URL, rubriker och JSON-brödtext för att importera din etikettfil. Kontrollera att din etikettfil följer det godkända formatet.

Om det redan finns ett projekt med samma namn ersätts data för projektet.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/:import?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{API-VERSION}	Den version av API:et som du anropar. Värdet som refereras här är för den senaste versionen som släppts. Mer information om andra tillgängliga API-versioner finns i Modelllivscykel .	2022-05-01

Sidhuvuden

Använd följande rubrik för att autentisera din begäran.

Tangent	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Brödtext

Använd följande JSON i din begäran. Ersätt platshållarvärdena nedan med dina egna värden.

{
    "projectFileVersion": "{API-VERSION}",
    "stringIndexType": "Utf16CodeUnit",
    "metadata": {
        "projectName": "{PROJECT-NAME}",
        "projectKind": "CustomEntityRecognition",
        "description": "Trying out custom NER",
        "language": "{LANGUAGE-CODE}",
        "multilingual": true,
        "storageInputContainerName": "{CONTAINER-NAME}",
        "settings": {}
    },
    "assets": {
    "projectKind": "CustomEntityRecognition",
        "entities": [
            {
                "category": "Entity1"
            },
            {
                "category": "Entity2"
            }
        ],
        "documents": [
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 500,
                        "labels": [
                            {
                                "category": "Entity1",
                                "offset": 25,
                                "length": 10
                            },
                            {
                                "category": "Entity2",
                                "offset": 120,
                                "length": 8
                            }
                        ]
                    }
                ]
            },
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 100,
                        "labels": [
                            {
                                "category": "Entity2",
                                "offset": 20,
                                "length": 5
                            }
                        ]
                    }
                ]
            }
        ]
    }
}

Nyckel	Platshållare	Värde	Exempel
api-version	{API-VERSION}	Den version av API:et som du anropar. Den version som används här måste vara samma API-version i URL:en. Läs mer om andra tillgängliga API-versioner	2022-03-01-preview
projectName	{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
projectKind	CustomEntityRecognition	Din projekttyp.	CustomEntityRecognition
language	{LANGUAGE-CODE}	En sträng som anger språkkoden för de dokument som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta dokumenten.	en-us
multilingual	true	Ett booleskt värde som gör att du kan ha dokument på flera språk i datauppsättningen och när din modell distribueras kan du fråga modellen på alla språk som stöds (inte nödvändigtvis i dina träningsdokument. Mer information om flerspråkig support finns i språkstöd .	true
storageInputContainerName	{CONTAINER-NAME}	Namnet på din Azure Storage-container där du har laddat upp dina dokument.	myContainer
entities		Matris som innehåller alla entitetstyper som du har i projektet. Det här är de entitetstyper som kommer att extraheras från dina dokument till.
documents		Matris som innehåller alla dokument i projektet och en lista över de entiteter som är märkta i varje dokument.	[]
location	{DOCUMENT-NAME}	Platsen för dokumenten i lagringscontainern. Eftersom alla dokument finns i roten i containern bör detta vara dokumentnamnet.	doc1.txt
dataset	{DATASET}	Testuppsättningen som filen ska gå till när den delas upp före träningen. Mer information om hur dina data delas finns i Träna en modell . Möjliga värden för det här fältet är Train och Test.	Train

När du har skickat din API-begäran får du ett 202 svar som anger att jobbet har skickats korrekt. Extrahera värdet i svarshuvudena operation-location . Den formateras så här:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} används för att identifiera din begäran, eftersom den här åtgärden är asynkron. Du använder den här URL:en för att hämta status för importjobbet.

Möjliga felscenarier för den här begäran:

• Den valda resursen har inte rätt behörigheter för lagringskontot.
• Den storageInputContainerName angivna finns inte.
• Ogiltig språkkod används, eller om språkkodtypen inte är sträng.
• multilingual värdet är en sträng och inte ett booleskt värde.

Hämta projektinformation

Language Studio

1. Gå till sidan projektinställningar i Language Studio.

2. Du kan se projektinformation.

3. På den här sidan kan du uppdatera projektbeskrivningen och aktivera/inaktivera flerspråkig datauppsättning i projektinställningar.

4. Du kan också visa det anslutna lagringskontot och containern till språkresursen.

5. Du kan också hämta din primära resursnyckel från den här sidan.

   

REST API:er

Använd följande GET-begäran för att hämta projektinformationen. Ersätt platshållarvärdena nedan med dina egna värden.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{API-VERSION}	Den version av API:et som du anropar. Mer information om andra tillgängliga API-versioner finns i Modelllivscykel .	2022-05-01

Sidhuvuden

Använd följande rubrik för att autentisera din begäran.

Tangent	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

Själva svaret

    {
        "createdDateTime": "2021-10-19T23:24:41.572Z",
        "lastModifiedDateTime": "2021-10-19T23:24:41.572Z",
        "lastTrainedDateTime": "2021-10-19T23:24:41.572Z",
        "lastDeployedDateTime": "2021-10-19T23:24:41.572Z",
        "projectKind": "CustomEntityRecognition",
        "storageInputContainerName": "{CONTAINER-NAME}",
        "projectName": "{PROJECT-NAME}",
        "multilingual": false,
        "description": "Project description",
        "language": "{LANGUAGE-CODE}"
    }

Värde	Platshållare	Beskrivning	Exempel
projectKind	CustomEntityRecognition	Din projekttyp.	CustomEntityRecognition
storageInputContainerName	{CONTAINER-NAME}	Namnet på din Azure Storage-container där du har laddat upp dina dokument.	myContainer
projectName	{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
multilingual	true	Ett booleskt värde som gör att du kan ha dokument på flera språk i datauppsättningen och när din modell distribueras kan du fråga modellen på alla språk som stöds (inte nödvändigtvis i dina träningsdokument. Mer information om flerspråkig support finns i Språkstöd.	true
language	{LANGUAGE-CODE}	En sträng som anger språkkoden för de dokument som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta dokumenten.	en-us

När du har skickat din API-begäran får du ett 200 svar som anger lyckad och JSON-svarstext med projektinformationen.

Ta bort projekt

Language Studio

När du inte längre behöver projektet kan du ta bort projektet med Hjälp av Language Studio. Välj Anpassad namngiven entitetsigenkänning (NER) överst, välj det projekt som du vill ta bort och välj sedan Ta bort på den översta menyn.

REST API:er

När du inte längre behöver projektet kan du ta bort det med följande DELETE-begäran . Ersätt platshållarvärdena med dina egna värden.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

Platshållare	Värde	Exempel
{ENDPOINT}	Slutpunkten för att autentisera din API-begäran.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Namnet på projektet. Det här värdet är skiftlägeskänsligt.	myProject
{API-VERSION}	Den version av API:et som du anropar. Värdet som refereras här är för den senaste versionen som släppts. Mer information om andra tillgängliga API-versioner finns i Modelllivscykel .	2022-05-01

Sidhuvuden

Använd följande rubrik för att autentisera din begäran.

Tangent	Värde
Ocp-Apim-Subscription-Key	Nyckeln till resursen. Används för att autentisera dina API-begäranden.

När du har skickat din API-begäran får du ett 202 svar som anger att projektet har slutförts, vilket innebär att projektet har tagits bort. Ett lyckat anrop resulterar med en rubrik för Åtgärd-plats som används för att kontrollera jobbets status.

Nästa steg

• Du bör ha en uppfattning om det projektschema som du ska använda för att märka dina data.

• När projektet har skapats kan du börja märka dina data, vilket informerar din entitetsextraheringsmodell om hur du tolkar text och används för träning och utvärdering.