你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
自定义命名实体识别定义和术语
通过本文了解在使用自定义 NER 时可能会遇到的一些定义和术语。
实体
实体是指示特定类型信息的文本范围。 文本范围可包含一个或多个单词。 在自定义 NER 的范围内，实体表示用户希望从文本中提取的信息。 开发人员先使用所需的实体标记其数据中的实体，然后再将其传递给模型进行训练。 例如，发票编号、开始日期、装运编号、原产地、来源城市，或客户地址。
例如，在“John 从 Fred 处借了 25,000 美元”这句话中，实体可能如下：
| 实体名称/类型 | 实体 |
|---|---|
| 借款人姓名 | John |
| 贷款人姓名 | Fred |
| 贷款金额 | 25,000 美元 |
F1 分数
F1 分数是精准率和召回率的函数。 在精准率和召回率之间进行平衡时，需要用到它。
型号
模型是经过训练来执行特定任务的对象，在此示例中为自定义实体识别。 将通过提供要从中进行学习的带标记数据来训练模型，以便以后可以将其用于识别任务。
- 模型训练指的是指导你的模型根据带标记数据提取相关内容的过程。
- 模型评估是一种在训练后立即进行的过程，可了解模型的性能情况。
- 部署指的是将模型分配到部署以便通过预测 API 使用它的过程。
Precision
度量模型的精确度/准确度。 它是正确识别的正值（真正）与所有识别出的正值之间的比率。 精准率指标指示正确标记了多少个预测类。
Project
项目是一个工作区，用于基于你的数据构建自定义 ML 模型。 只有你和对所使用的 Azure 资源具有访问权限的其他人才能访问你的项目。
作为创建自定义实体提取项目的先决条件，在创建新项目时，必须将资源连接到包含数据集的存储帐户。 你的项目自动包含容器中所有可用的 .txt 文件。
在项目中，你可以执行以下操作：
- 标记数据：对你的数据进行标记，以便在训练模型时模型可了解你要提取的内容。
- 构建和训练模型：项目的核心步骤，模型在此步骤中将开始从带标记数据中进行学习。
- 查看模型评估详细信息：查看模型性能，以确定是否有改进空间，或者你是否对结果感到满意。
- 部署：在你查看了模型的性能并确定它可在环境中使用之后，你需要将该模型分配给某个部署以便使用它。 将模型分配给部署会使其可通过预测 API 使用。
- 测试模型：部署模型后，在 Language Studio 中测试你的部署，以了解它在生产环境中的性能。
Recall
度量模型预测实际正类的能力。 这是预测的真正值与实际标记的结果之间的比率。 召回率指标显示正确的预测类的数量。