¿Qué es Azure Cognitive Service for Language?

Azure Cognitive Service for Language es un servicio en la nube que proporciona características de procesamiento del lenguaje natural (NLP) para comprender y analizar texto. Este servicio se usa para ayudar a compilar aplicaciones inteligentes mediante Language Studio basado en web, las API REST y las bibliotecas cliente.

Características disponibles

Este servicio de lenguaje unifica Text Analytics, QnA Maker y LUIS, además de proporcionar varias características nuevas. Estas características pueden ser:

  • Preconfiguradas, lo que significa que los modelos de IA que usa la característica no son se pueden personalizar. Solo tiene que enviar los datos y usar la salida de la característica en las aplicaciones.
  • Personalizables, lo que significa que entrenará un modelo de IA mediante nuestras herramientas para que se ajuste específicamente a sus datos.

Sugerencia

Language Studio permite usar las siguientes características de servicio sin necesidad de escribir código.

Reconocimiento de entidades con nombre (NER)

Captura de pantalla que muestra un ejemplo de reconocimiento de entidad con nombre.

El reconocimiento de entidades con nombre es una característica preconfigurada que identifica entidades en texto no estructurado en varias categorías predefinidas. Por ejemplo, personas, eventos, lugares o fechas, entre otros datos.

Detección de información de identificación personal (PII) e información de salud protegida (PHI)

Captura de pantalla que muestra un ejemplo de reconocimiento de entidad con nombre.

La detección de PII es una característica preconfigurada que identifica, clasifica y redacta información confidencial en documentos de texto no estructurados y transcripciones de conversaciones. Por ejemplo, números de teléfono, direcciones de correo electrónico y formularios de identificación, entre otra información.

Detección de idiomas

Captura de pantalla que muestra un ejemplo de detección de idioma.

Detección de idioma es una característica preconfigurada que permite detectar el idioma en el que está escrito un documento y devuelve códigos de idioma para una amplio número de idiomas, variantes lingüísticas, dialectos y algunos idiomas regionales o culturales.

Análisis de sentimiento y minería de opiniones

Captura de pantalla que muestra un ejemplo de análisis de sentimiento.

Análisis de opiniones y minería de opiniones son características preconfiguradas que ayudan a averiguar qué piensan los usuarios de su marca o sobre un tema mediante la aplicación de la minería de texto para obtener indicios sobre opiniones positivas o negativas, y pueden asociarlas a aspectos específicos del texto.

Resumen

Captura de pantalla que muestra un ejemplo de resumen.

Resumen es una característica preconfigurada que generar un resumen a partir del texto de documentos y transcripciones de conversaciones. Extrae frases que representan la información general más importante o pertinente del contenido original.

Extracción de la frase clave

Captura de pantalla que muestra un ejemplo de extracción de frases clave.

Extracción de frases clave es una característica preconfigurada que evalúa y devuelve los conceptos principales de un texto no estructurado y los devuelve como una lista.

Vinculación de entidad

Captura de pantalla que muestra un ejemplo de vinculación de entidad.

Vinculación de entidades es una característica preconfigurada que desambigua la identidad de las entidades encontradas en texto no estructurado y devuelve vínculos a Wikipedia.

Text Analytics for Health

Captura de pantalla que muestra un ejemplo de análisis de texto.

Text Analytics for Health es una característica preconfigurada que extrae y etiqueta información médica pertinente de textos no estructurados, como notas del doctor, resúmenes de descarga, documentos clínicos y registros electrónicos de salud.

Clasificación de texto personalizada

Captura de pantalla que muestra un ejemplo de clasificación de texto.

Clasificación de texto personalizado permite a los usuarios crear modelos de IA personalizados para clasificar texto en las categorías personalizadas que el usuario defina.

Reconocimiento de entidades con nombre (NER personalizado)

Captura de pantalla que muestra un ejemplo de NER.

NER personalizado permite crear modelos de IA personalizados para extraer categorías de entidades personalizadas mediante texto no estructurado que el usuario proporcione.

Reconocimiento del lenguaje conversacional

Captura de pantalla que muestra un ejemplo de reconocimiento de lenguaje conversacional.

Reconocimiento del lenguaje conversacional (CLU) permite a los usuarios crear modelos personalizados de reconocimiento del lenguaje natural para predecir la intención general de una expresión entrante y extraer información importante a partir de esta.

Flujo de trabajo de orquestación

Captura de pantalla que muestra un ejemplo de flujo de trabajo de orquestación.

Flujo de trabajo de orquestación es una característica personalizada que permite conectar aplicaciones de Language Understanding conversacionales (CLU),respuesta a preguntas y LUIS.

Respuesta a preguntas

Captura de pantalla que muestra un ejemplo de respuesta a una pregunta.

Respuesta a preguntas es una característica personalizada que encuentra la respuesta más adecuada para las entradas de los usuarios y se usa normalmente para crear aplicaciones cliente conversacionales, como aplicaciones de redes sociales, bots de chat y aplicaciones de escritorio habilitadas para voz.

Migración desde Text Analytics, QnA Maker o Language Understanding (LUIS)

Azure Cognitive Services for Language unifica tres servicios de lenguaje individuales en Cognitive Services: Text Analytics, QnA Maker y Language Understanding (LUIS). Si ha usado estos tres servicios, puede migrar fácilmente a la nueva Azure Cognitive Services para Language. Para obtener las instrucciones necesarias para hacerlo, vea Migración a Azure Cognitive Services for Language.

Tutoriales

Una vez que haya tenido la oportunidad de usar el servicio de lenguaje, pruebe nuestros tutoriales, que le enseñarán a resolver distintos escenarios.

Ejemplos de código adicionales

En GitHub puede encontrar más ejemplos de código para los siguientes lenguajes:

Implementación local mediante contenedores de Docker

Use los contenedores del servicio de lenguaje para implementar características de API de forma local. Estos contenedores de Docker permiten acercar el servicio a los datos para mejorar el cumplimiento, la seguridad o por otras razones operativas. El servicio de lenguaje ofrece los siguientes contenedores:

Inteligencia artificial responsable

Los sistemas de inteligencia artificial incluyen no solo la tecnología, sino también las personas que la usarán, las personas que se verán afectadas por ella y el entorno en el que se implementa. Lea los siguientes artículos para obtener información sobre el uso responsable de la inteligencia artificial y la implementación en los sistemas: