Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gilt für:✅ SQL-Analyseendpunkt und Warehouse in Microsoft Fabric
Von Bedeutung
Dieses Feature befindet sich in der Vorschauphase.
Fabric Data Warehouse- und SQL-Analyseendpunkt bieten integrierte KI-Funktionen, mit denen Sie Text direkt in SQL-Abfragen analysieren, klassifizieren, zusammenfassen und transformieren können. Mithilfe dieser Funktionen können Sie erweiterte Textverarbeitungen durchführen, ohne Ihre Datenumgebung verlassen zu müssen. In diesem Lernprogramm erfahren Sie, wie Sie KI-Funktionen zum Transformieren von Text verwenden.
| Funktion | Purpose | Syntaxbeispiel |
|---|---|---|
ai_analyze_sentiment |
Erkennen der Stimmung von Eingabetext | ai_analyze_sentiment(<text>) |
ai_classify |
Klassifizieren von Text basierend auf bereitgestellten Bezeichnungen | ai_classify(<text>, <class1>, <class2>, ...) |
ai_extract |
Extrahieren von Entitäten als JSON-Eigenschaften | ai_extract(<text>, <class1>, <class2>, ...) |
ai_summarize |
Text zusammenfassen | ai_summarize(<text>) |
ai_generate_response |
Generieren einer Antwort basierend auf der Aufforderung | ai_generate_response(<prompt>, <data>) |
ai_translate |
Übersetzen von Eingabetext in die angegebene Zielsprache | ai_translate(<text>, <lang>) |
ai_fix_grammar |
Korrigieren der Grammatik im Text | ai_fix_grammar(<text>) |
Diese Funktionen rufen externe KI-APIs auf, um Text zu verarbeiten, was sich auf die Abfrageleistung auswirken kann. Um die Effizienz zu optimieren, vermeiden Sie das Anwenden sich wiederholender Texttransformationen innerhalb von SELECT Abfragen auf demselben Dataset. Berechnen und materialisieren Sie stattdessen die Ergebnisse von KI-Funktionen als separate Spalten oder in Stagingtabellen.
Warnung
Die Funktionen geben zurück NULL , wenn das KI-Modell den Text nicht verarbeiten kann. Häufige Ursachen:
- Verantwortungsvolle KI-Regeln blockieren unangemessenen Inhalt im Eingabetext.
- Eingabetext überschreitet Tokengrenzwerte. Das aktuelle Modell unterstützt bis zu 15 KB Text.
Typische Verarbeitungsgeschwindigkeit von KI-Funktionen beträgt 20-100 Zeilen pro Sekunde. Wenn eine langsamere Leistung auftritt, melden Sie die problematische Abfrage als Problem.
Überprüfen Sie die Voraussetzungen für KI-Funktionen, um KI-Funktionen in Ihrem Arbeitsbereich zu aktivieren. KI-Funktionen für Azure OpenAI-Dienst sind in einigen Regionen verfügbar.
Analysieren der Stimmung
Die ai_analyze_sentiment(text) Funktion analysiert die Stimmung aus der Eingabe text und gibt einen der folgenden Werte zurück: positive, , , negative, mixedoder neutral.
Example:
SELECT ai_analyze_sentiment('This hotel was great!') AS sentiment;
Erwartetes Ergebnis:positive
Klassifizieren von Text
Die ai_classify(text, class1, class2, ...) Funktion klassifiziert die Eingabe text in eine der bereitgestellten Kategorien.
Example:
SELECT ai_classify('Room was dirty', 'service','dirt','food') AS classification;
Erwartetes Ergebnis:dirt
Extrahieren von Entitäten aus Text
Die ai_extract(text, class1, class2, ...) Funktion extrahiert Entitäten aus der Eingabe text basierend auf den angegebenen Klassen.
Example:
SELECT ai_extract('Check-in was late and room dirty', 'sentiment','problem') AS extraction;
Erwartetes Ergebnis:{"sentiment":"Negative","problem":"Dirty room"}
Antwort generieren
Die ai_generate_response(prompt, data) Funktion generiert eine Antwort basierend auf einer bestimmten prompt und optionalen data.
Example:
SELECT ai_generate_response('Reply in 20 words:', 'The room was noisy.') AS response;
Erwartetes Ergebnis: "Wir entschuldigen uns aufrichtig für die Unannehmlichkeiten, die durch den Lärm verursacht werden, und verpflichten uns, unsere Maßnahmen zu verbessern."
Text zusammenfassen
Die ai_summarize(text) Funktion fasst die Eingabe text in einer präzisen Version zusammen.
Example:
SELECT ai_summarize('The hotel was clean and staff were friendly.') AS summary;
Erwartetes Ergebnis: 'Sauberes Hotel, freundliches Personal.'
Text übersetzen
Die ai_translate(text, lang_code)-Funktion übersetzt text in die angegebene Sprache mithilfe von lang_code.
Unterstützte Sprachcodes sind de (Deutsch), en (Englisch), (Französisch), frit (Italienisch), es (Spanisch), el (Griechisch), pl (Polnisch), sv (Schwedisch), fi (Finnisch) und cs (Tschechisch).
Example:
SELECT ai_translate('The hotel was great','de') AS translation_de;
Erwartetes Ergebnis: 'Das Hotel war großartig.'
Korrigieren der Grammatik
Die ai_fix_grammar(text) Funktion korrigiert die Grammatik in der Eingabe text.
Example:
SELECT ai_fix_grammar('Th room are clean and staff were nice') AS fixed_text;
Erwartetes Ergebnis: "Die Zimmer sind sauber, und die Mitarbeiter waren schön.".
Beispiele
A. Importieren von Daten und Transformieren von Textspalten mithilfe von KI-Funktionen
In diesem Beispiel werden Daten aus einer Lakehouse-Datei in die hotel_reviews Tabelle im Lager geladen.
Sie wählt aus einer Datei im /Files Abschnitt aus und wendet dann die KI-Funktionen an, um die Daten zu erweitern:
CREATE TABLE HotelDW.dbo.hotel_reviews
AS
SELECT
city, latitude, longitude, name, reviews_rating, reviews_text,
ai_summarize(reviews_text) AS reviews_summary,
ai_classify( reviews_text, 'service', 'dirt', 'food', 'air conditioning', 'other') AS reviews_classification,
ai_analyze_sentiment(reviews_text) AS reviews_sentiment,
ai_translate(reviews_text, 'de') AS reviews_text_de,
ai_translate(reviews_text, 'es') AS reviews_text_es,
ai_translate(reviews_text, 'fr') AS reviews_text_fr,
ai_translate(reviews_text, 'it') AS reviews_text_it
FROM OPENROWSET( BULK '/Files/csv/hotel_reviews_demo.csv', DATA_SOURCE = 'TextLakehouse', HEADER_ROW = TRUE);
B. Aktualisieren der Textspalte mithilfe der KI-Funktion
Im folgenden Beispiel werden die Grammatikfehler in der reviews_text Spalte behoben:
UPDATE HotelDW.dbo.hotel_reviews
SET reviews_text = ISNULL(ai_fix_grammar(reviews_text), reviews_text);
Die KI-Funktionen können NULL zurückgeben, wenn ein Fehler auftritt; daher sollten vorhandene Werte nicht mit NULL überschrieben werden.
Verwenden Sie das ISNULL(<ai function>, <original value>) Muster, um den ursprünglichen Text beizubehalten, wenn KI-Funktionen keine Ergebnisse zurückgeben können.
C. Extrahieren von Werten aus Text
In diesem Beispiel analysiert die ai_extract Funktion den Prüftext und gibt ein JSON-Objekt zurück, das die Eigenschaften sentiment, time_reportedund problem. Die OPENJSON Funktion analysiert dann diesen JSON-Code und ordnet diese Eigenschaften in separaten Spalten für einfache Abfragen und Analysen zu.
In diesem Beispielskript werden die extrahierten Werte als separate Spalten in die Zieltabelle eingefügt.
INSERT INTO gold.hotel_reviews
SELECT sentiment, time_reported, problem
FROM hotel_reviews
CROSS APPLY
OPENJSON(
ai_extract(reviews_text, 'sentiment', 'time_reported', 'problem')
) WITH ( sentiment VARCHAR(1000), time_reported VARCHAR(100), problem VARCHAR(1000) );
Die ai_extract Funktion wendet fuzzy kontextbezogene Regeln an, um Themen aus Text zu identifizieren und zu extrahieren, ohne dass manuelle Analysen oder komplexe reguläre Ausdrücke erforderlich sind. Dieser Ansatz vereinfacht die Textanalyse, indem KI-gesteuertes semantisches Verständnis anstelle des starren Musterabgleichs verwendet wird, wodurch es robuster und anpassungsfähiger für Natürliche Sprachvariationen wird.