什麼是 Azure AI 語言？

發行項
09/04/2024

Azure AI 語言是一項雲端式服務，可提供自然語言處理 (NLP) 功能，用於了解和分析文字。使用此服務可協助您使用 Web 型 Language Studio、REST Api 和用戶端程式庫，來建置智慧型應用程式。

可用的功能

此語言服務會統一下列先前可用的 Azure AI 服務：文字分析、QnA Maker 和 LUIS。如果您需要從這些服務移轉，請參閱底下的移轉一節。

語言服務也提供數個新功能，其可：

預先設定，這表示無法自訂功能使用的 AI 模型。您只需傳送資料，並在您的應用程式中使用功能的輸出。
可自訂，這表示您將使用我們的工具來定型 AI 模型，以明確地容納您的資料。

提示

不確定要使用哪個功能？請參閱我應該使用哪個語言服務功能？來協助您決定。

Language Studio 可讓您使用下列服務功能而無須撰寫程式碼。

具名實體辨識 (NER)

具名實體辨識是預先設定的功能，可在數個預先定義的類別群組中，將實體分類 (字組或片語)。例如：人員、事件、地點、日期等等。

個人識別資訊 (PII) 和健康情況資訊 (PHI) 偵測

PII 偵測是一項預先設定的功能，可識別、分類和修訂非結構化文字文件和交談文字記錄中的敏感性資訊。例如：電話號碼、電子郵件地址、身分證件等等。

語言偵測

語言偵測是一項預先設定的功能，可偵測撰寫文件時所使用的語言，並針對各式各樣的語言、變體、方言和某些區域/文化特性語言，傳回語言代碼。

情感分析與意見挖掘

情感分析和意見挖掘是預先設定的功能，可讓您藉由挖掘文字內容來取得關於正面或負面情感的線索，藉此找出人們對品牌或話題的看法，並且可將其與文字的特定層面產生關聯。

摘要

摘要是一項預先設定的功能，可使用擷取式文字摘要來產生文件和交談文字記錄的摘要。這項功能會擷取可共同代表原始內容內最重要或相關資訊的句子。

關鍵片語擷取

關鍵字組擷取是一項預先設定的功能，可評估並傳回非結構化文字中的主要概念，並以清單的形式將其傳回。

實體連結

實體連結是一項預先設定的功能，可釐清在非結構化文字中找到之實體 (字組或片語) 的身分識別，並傳回維基百科的連結。

適用於醫療保健的文字分析

健康情況的文字分析是一項預先設定的功能，可從非結構化文字擷取並標記相關醫學資訊的容器化服務，像是醫師筆記、出院摘要、臨床文件及電子健康記錄。

自訂文字分類

自訂文字分類可讓您建置自訂 AI 模型，以將非結構化文件分類成您所定義的自訂類別。

自訂具名實體辨識 (自訂 NER)

自訂 NER 可讓您建置自訂 AI 模型，以使用您提供的非結構化文字來擷取自訂實體類別 (字組或片語的標籤)。

交談語言理解

交談語言理解 (CLU) 可讓使用者建置自訂的自然語言理解模型，以便預測所收到語句的整體意圖，並從中擷取重要資訊。

協調工作流程

協調工作流程是一項自訂功能，可讓您連接交談語言理解 (CLU)、問題解答和 LUIS 應用程式。

問題解答

問題回答是一項自訂功能，可尋找使用者輸入最適當的答案，且常用來建置交談式用戶端應用程式，例如社交媒體應用程式、聊天機器人，和已啟用語音功能的桌面應用程式。

用於健康醫療領域的自訂文字分析

健康情況的自訂文字分析是自訂功能，可使用您建立的模型，從非結構化文字擷取醫療保健特定實體。

我應該使用哪個語言服務功能？

本節將協助您決定應該用於應用程式的語言服務功能：

您想要做什麼事？	Document format	您的最佳解決方案
偵測和/或修訂敏感性資訊，例如 PII 和 PHI。	非結構化文字，轉譯的交談	PII 偵測
在不建立自訂模型的情況下擷取資訊的類別。	非結構化文字	預先設定的 NER 功能
使用資料專屬的模型來擷取資訊的類別。	非結構化文字	自訂 NER
擷取主要主題和重要片語。	非結構化文字	關鍵片語擷取
判斷以文字表示的情感和意見。	非結構化文字	情感分析與意見挖掘
摘要說明文字或交談的長區塊。	非結構化文字，轉譯的交談。	摘要
釐清實體並取得 Wikipedia 的連結。	非結構化文字	實體連結
將文件分類成一或多個類別。	非結構化文字	自訂文字分類
從臨床/醫療文件擷取醫療資訊，而不需建置模型。	非結構化文字	健康情況的文字分析
使用針對您的資料定型的模型，從臨床/醫療文件擷取醫療資訊。	非結構化文字	用於健康醫療領域的自訂文字分析
建置可回應使用者輸入的交談應用程式。	非結構化使用者輸入	問題解答
偵測用以撰寫文字的語言。	非結構化文字	語言偵測
預測使用者輸入的意圖，並從中擷取資訊。	非結構化使用者輸入	交談語言理解
從交談語言理解、LUIS 和問題解答連接應用程式。	非結構化使用者輸入	協調流程工作流程

* 如果功能可自訂，您即可使用我們的工具來定型 AI 模型，明確地容納您的資料。否則，已預先設定功能，這表示無法變更其使用的 AI 模型。您只需傳送資料，並在您的應用程式中使用功能的輸出。

從文字分析、QnA Maker 或 Language Understanding (LUIS) 移轉

Azure AI 語言整合了 Azure AI 服務中的三種個別語言服務 - 文字分析、QnA Maker 和 Language Understanding (LUIS)。如果您已使用這三種服務，即可輕鬆地移轉至新的 Azure AI 語言。如需指示，請參閱移轉至 Azure AI 語言。

教學課程

在您有機會開始使用語言服務之後，請嘗試我們的教學課程，其可說明如何解決各種案例。

其他程式碼範例

您可以在 GitHub 上找到下列語言的其他程式碼範例：

使用 Docker 容器在內部部署環境進行部署

使用語言服務容器以在內部部署中部署 API 功能。這些 Docker 容器可讓服務更加契合您的資料，以實現合規性、安全性或其他操作原因。語言服務提供下列容器：

負責 AI

AI 系統不僅包括技術，還包括將使用該技術的人員、將受其影響的人員，以及部署所在的環境。請閱讀下列文章，以了解您系統中負責任的 AI 使用和部署：

共用方式為