Vad är Namngiven entitetsigenkänning (NER) i Azure AI Language?
Med namnet Entity Recognition (NER) är en av de funktioner som erbjuds av Azure AI Language, en samling maskininlärnings- och AI-algoritmer i molnet för att utveckla intelligenta program som omfattar skriftligt språk. FUNKTIONEN NER kan identifiera och kategorisera entiteter i ostrukturerad text. Till exempel: personer, platser, organisationer och kvantiteter. Den fördefinierade NER-funktionen har en fördefinierad lista över identifierade entiteter. Med den anpassade NER-funktionen kan du träna modellen att identifiera specialiserade entiteter som är specifika för ditt användningsfall.
- Snabbstarter är komma igång-instruktioner som hjälper dig att göra begäranden till tjänsten.
- Instruktionsguider innehåller instruktioner för hur du använder tjänsten på mer specifika eller anpassade sätt.
- De konceptuella artiklarna innehåller djupgående förklaringar av tjänstens funktioner och funktioner.
Kommentar
Entitetsmatchning uppgraderades till entitetsmetadata från och med API-version 2023-04-15-preview. Om du anropar förhandsversionen av API:et lika med eller senare än 2023-04-15-preview kan du läsa artikeln Entitetsmetadata för att använda lösningsfunktionen.
Typiskt arbetsflöde
Om du vill använda den här funktionen skickar du data för analys och hanterar API-utdata i ditt program. Analysen utförs som den är, utan någon ytterligare anpassning till den modell som används på dina data.
Skapa en Azure AI Language-resurs som ger dig åtkomst till de funktioner som erbjuds av Azure AI Language. Det genererar ett lösenord (kallas en nyckel) och en slutpunkts-URL som du använder för att autentisera API-begäranden.
Skapa en begäran med antingen REST-API:et eller klientbiblioteket för C#, Java, JavaScript och Python. Du kan också skicka asynkrona anrop med en batchbegäran för att kombinera API-begäranden för flera funktioner i ett enda anrop.
Skicka begäran som innehåller dina textdata. Din nyckel och slutpunkt används för autentisering.
Strömma eller lagra svaret lokalt.
Kom igång med namngiven entitetsigenkänning
Om du vill använda namngiven entitetsigenkänning skickar du ostrukturerad ostrukturerad text för analys och hanterar API-utdata i ditt program. Analysen utförs som den är, utan ytterligare anpassning till den modell som används för dina data. Det finns två sätt att använda namngiven entitetsigenkänning:
| Utvecklingsalternativ | beskrivning |
|---|---|
| Language Studio | Language Studio är en webbaserad plattform där du kan prova entitetslänkning med textexempel utan ett Azure-konto och dina egna data när du registrerar dig. Mer information finns på Language Studio-webbplatsen eller language studio-snabbstarten. |
| REST API eller klientbibliotek (Azure SDK) | Integrera namngiven entitetsigenkänning i dina program med hjälp av REST-API:et eller klientbiblioteket som är tillgängligt på flera olika språk. Mer information finns i snabbstarten för namngiven entitetsigenkänning. |
Referensdokumentation och kodexempel
När du använder den här funktionen i dina program kan du läsa följande referensdokumentation och exempel för Azure AI Language:
| Utvecklingsalternativ/språk | Referensdokumentation | Exempel |
|---|---|---|
| REST-API | Dokumentation om REST API | |
| C# | C#-dokumentation | C#-exempel |
| Java | Java-dokumentation | Java-exempel |
| JavaScript | JavaScript-dokumentation | JavaScript-exempel |
| Python | Python-dokumentation | Python-exempel |
Ansvarsfull AI
Ett AI-system omfattar inte bara tekniken, utan även de personer som ska använda den, de personer som påverkas av den och miljön där den distribueras. Läs transparensmeddelandet för NER för att lära dig mer om ansvarsfull AI-användning och distribution i dina system. Du kan också se följande artiklar för mer information:
- Transparensanteckning för Azure AI Language
- Integrering och ansvarsfull användning
- Data, sekretess och säkerhet
Scenarier
- Förbättra sökfunktioner och sökindexering – Kunder kan skapa kunskapsdiagram baserat på entiteter som identifierats i dokument för att förbättra dokumentsökningen som taggar.
- Automatisera affärsprocesser – När du till exempel granskar försäkringsanspråk kan identifierade entiteter som namn och plats markeras för att underlätta granskningen. Eller så kan ett supportärende genereras med kundens namn och företag automatiskt från ett e-postmeddelande.
- Kundanalys – Fastställa den mest populära informationen som förmedlas av kunder i recensioner, e-postmeddelanden och samtal för att fastställa de mest relevanta ämnena som tas upp och fastställer trender över tid.
Nästa steg
Det finns två sätt att komma igång med funktionen Namngiven entitetsigenkänning (NER):
- Language Studio, som är en webbaserad plattform som gör att du kan prova flera Azure AI Language-funktioner utan att behöva skriva kod.
- Snabbstartsartikeln för instruktioner om hur du gör begäranden till tjänsten med hjälp av REST-API:et och klientbibliotekets SDK.