Überprüfen des Azure Cognitive-Schemas
Der Azure Language-Dienst bietet leistungsstarke Tools und generative KI-Sprachmodelle zum Arbeiten mit Textdaten. Die Integrationen im azure_cognitive Schema der azure_ai Erweiterung bieten Zugriff auf diese umfangreichen Sprachverständnis- und Verarbeitungsfeatures, die direkt über die Datenbank zugänglich sind. Zu den Funktionen gehören Stimmungsanalyse, Spracherkennung und Übersetzung, Extraktion von Schlüsselausdrücken, Entitätserkennung und Textzusammenfassung. Hier sind die wichtigsten Aspekte:
Die Stimmungsanalyse prognostiziert die Stimmung eines bestimmten Texts (positiv, negativ oder neutral). Es weist jeder Stimmungsbezeichnung Konfidenzbewertungen zu, die Ihnen helfen, den emotionalen Ton von vom Benutzer generierten Inhalten, Rezensionen oder Social Media-Beiträgen zu verstehen.
Die Spracherkennung identifiziert die Sprache, in der ein Text geschrieben wird. Es ist hilfreich für Szenarien wie mehrsprachige Anwendungen oder Inhaltsfilterung.
Zusammenfassungen erzeugen präzise Zusammenfassungen längerer Texte. Es ist nützlich, wichtige Informationen aus Artikeln, Dokumenten oder langen Absätzen zu extrahieren.
Die Schlüsselphrasenextraktion identifiziert signifikante Begriffe oder Phrasen innerhalb eines Dokuments. Sie unterstützt die Inhaltskategorisierung, Suchindizierung und Themenmodellierung.
Die Entitätsextraktion umfasst das Identifizieren von Entitäten innerhalb des Texts, z. B. Namen, Orte, Datumsangaben, E-Mail-Adressen usw. Es umfasst mehrere Funktionen, einschließlich Entitätsverknüpfung und PII-Erkennung (personenbezogene Informationen).
Textübersetzung wird zwischen unterstützten Quell- und Zielsprachen durchgeführt.
Das azure_cognitive Schema
Das azure_cognitive Schema innerhalb der azure_ai Erweiterung wurde entwickelt, um Interaktionen mit dem Azure-Sprachdienst direkt aus einer PostgreSQL-Datenbank zu erleichtern. Das Schema enthält zahlreiche benutzerdefinierte Funktionen (UDFs) und zusammengesetzte Typen.
Funktionen
Die verfügbaren Funktionen ermöglichen die Stimmungsanalyse, die Spracherkennung und -übersetzung, die Extraktion von Schlüsselbegriffen und Entitäten sowie die Textzusammenfassung.
| Name | BESCHREIBUNG |
|---|---|
analyze_sentiment |
Führt eine Stimmungsanalyse durch, indem Text auf positive oder negative Stimmungshinweise analysiert wird. |
detect_language |
Erkennt die Sprache des bereitgestellten Texts. |
extract_key_phrases |
Extrahiert die wichtigsten Konzepte im Text. |
linked_entities |
Identifiziert und disambiguiert die Identität einer Entität, die in Text gefunden wurde. |
recognize_entities |
Identifiziert Entitäten innerhalb des Texts. |
recognize_pii_entities |
Identifiziert, kategorisiert und redagiert vertrauliche Informationen in unstrukturiertem Text. |
summarize_abstractive |
Generiert eine Zusammenfassung, indem neue ursprüngliche Inhalte erstellt werden, die die wichtigsten Konzepte im Text darstellen. |
summarize_extractive |
Generiert eine Zusammenfassung, indem schlüsselsätze innerhalb des Texts identifiziert und diese Sätze verwendet werden, um die wesentlichen Konzepte darzustellen. |
translate |
Übersetzt Text in die angegebene Sprache. |
Zusammengesetzte Typen
Die zusammengesetzten Typen innerhalb des azure_cognitive Schemas behandeln die Rückgabewerte aus den verschiedenen Funktionen. Diese Typen stellen die Strukturen bereit, die erforderlich sind, um die vom Sprachdienst zurückgegebenen Objekte zu verarbeiten und umfassen:
- azure_cognitive.detected_language
- azure_cognitive.entity
- azure_cognitive.language_detection_result
- azure_cognitive.linked_entity
- azure_cognitive.linked_entity_match
- azure_cognitive.pii_entity_recognition_result
- azure_cognitive.sentence
- azure_cognitive.sentiment_analysis_result
- azure_cognitive.translated_text_result
- azure_cognitive.translation
- azure_cognitive.transliterated_text
Sie können die zusammengesetzten Typen ausführlicher untersuchen, indem Sie den \dT Metabefehl über eine psql Eingabeaufforderung verwenden. Beispiel:
\dT+ azure_cognitive.translated_text_result
Um weiter in den zusammengesetzten Typ einzutauchen und alle Spalten, deren Typen und alle speziellen Attribute anzuzeigen, können Sie den Metabefehl "\ d" verwenden:
\d+ azure_cognitive.translated_text_result
Mit diesem Befehl wird eine Tabelle mit den Spalten, Typen und zusätzlichen Details des angegebenen Rückgabetyps ausgegeben:
Composite type "azure_cognitive.translated_text_result"
Column | Type | Collation | Nullable | Default | Storage | Description
-------------------+-----------------------------------+-----------+----------+---------+----------+-------------
translations | azure_cognitive.translation[] | | | | extended |
detected_language | azure_cognitive.detected_language | | | | extended |
source_text | text | | | | extended |
Festlegen des Sprachdienstendpunkts und des Schlüssels
Wie bei den azure_openai Funktionen müssen Sie den Endpunkt des Diensts und einen Schlüssel zum erfolgreichen Ausführen von Aufrufen für den Sprachdienst mithilfe der azure_ai Erweiterung bereitstellen. Die folgenden Befehle veranschaulichen, wie die Einstellungen der azure_ai.settings Konfigurationstabelle hinzugefügt werden können.
SELECT azure_ai.set_setting('azure_cognitive.endpoint', '{endpoint}');
SELECT azure_ai.set_setting('azure_cognitive.subscription_key', '{api-key}');
Wenn Sie textübersetzungen mithilfe der translate Funktion durchführen, müssen Sie auch eine Region angeben, wenn Sie die Verbindung der Erweiterung mit Ihrem Azure AI-Dienst konfigurieren:
-- the region setting is only required for the translate function
select azure_ai.set_setting('azure_cognitive.region', '{region}');