Aptitud cognitiva de reconocimiento de entidades (v3)
La aptitud Reconocimiento de entidades (v3) extrae entidades de distintos tipos del texto. Estas entidades se incluyen en 14 categorías distintas, desde personas y organizaciones hasta direcciones URL y números de teléfono. Esta aptitud utiliza los modelos de Machine Learning de Reconocimiento de entidades con nombre que proporciona Lenguaje de AI.
Nota:
Esta aptitud está enlazada a los servicios de Azure AI y necesita un recurso facturable para las transacciones que superan los 20 documentos por indexador al día. La ejecución de aptitudes integradas se carga al actual precio de pago por uso de los servicios de Azure AI.
@odata.type
Microsoft.Skills.Text.V3.EntityRecognitionSkill
Límites de datos
El tamaño máximo de un registro debe tener menos de 50 000 caracteres según la medición de String.Length. Si necesita desglosar los datos antes de enviarlos a la aptitud EntityRecognition, puede usar la aptitud División de texto. Cuando use una aptitud de división, establezca la longitud de la página en 5000 para obtener el mejor rendimiento.
Parámetros de la aptitud
Los parámetros distinguen mayúsculas de minúsculas y son opcionales.
| Nombre de parámetro | Descripción |
|---|---|
categories |
Matriz de categorías que se deben extraer. Tipos de categorías posibles: "Person", "Location", "Organization", "Quantity", "DateTime", "URL", "Email", "personType", "Event", "Product", "Skill", "Address", "phoneNumber" y "ipAddress". Si no se proporciona ninguna categoría, se devuelven todos los tipos. |
defaultLanguageCode |
Código de idioma del texto de entrada. Si no se especifica el código de idioma predeterminado, se usará el inglés (en). Vea Full list of supported languages (Lista completa de idiomas admitidos). No todas las categorías de entidad son compatibles con todos los idiomas. Consulte la nota que aparece a continuación. |
minimumPrecision |
Un valor entre 0 y 1. Si la puntuación de confianza (en el resultado namedEntities) es inferior a este valor, no se devuelve la entidad. El valor predeterminado es 0. |
modelVersion |
(Opcional) Especifica la versión del modelo que se va a usar al llamar a la API de reconocimiento de entidad. Si no se especifica, el valor predeterminado será el más reciente disponible. Se recomienda no especificar este valor a menos que sea necesario. |
Entradas de la aptitud
| Nombre de entrada | Descripción |
|---|---|
languageCode |
Cadena que indica el idioma de los registros. Si no se especifica este parámetro, el código de idioma predeterminado se utilizará para analizar los registros. Vea Full list of supported languages (Lista completa de idiomas admitidos). |
text |
Texto que se analizará. |
Salidas de la aptitud
Nota:
No todas las categorías de entidad son compatibles con todos los idiomas. Vea Categorías de entidad admitidas en Reconocimiento de entidades con nombre a fin de saber qué categorías de entidad se admiten para el lenguaje que va a usar.
| Nombre de salida | Descripción |
|---|---|
persons |
Una matriz de cadenas donde cada cadena representa el nombre de una persona. |
locations |
Una matriz de cadenas donde cada cadena representa una ubicación. |
organizations |
Una matriz de cadenas donde cada cadena representa una organización. |
quantities |
Una matriz de cadenas donde cada cadena representa una cantidad. |
dateTimes |
Una matriz de cadenas donde cada cadena representa un valor de fecha y hora (como aparece en el texto). |
urls |
Una matriz de cadenas donde cada cadena representa una dirección URL. |
emails |
Una matriz de cadenas donde cada cadena representa un correo electrónico. |
personTypes |
Matriz de cadenas donde cada cadena representa un valor PersonType |
events |
Matriz de cadenas donde cada cadena representa un evento |
products |
Matriz de cadenas donde cada cadena representa un producto |
skills |
Matriz de cadenas donde cada cadena representa una aptitud |
addresses |
Matriz de cadenas donde cada cadena representa una dirección |
phoneNumbers |
Matriz de cadenas donde cada cadena representa un número de teléfono |
ipAddresses |
Matriz de cadenas donde cada cadena representa una dirección IP |
namedEntities |
Una matriz de tipos complejos, que contiene los siguientes campos:
|
Definición de ejemplo
{
"@odata.type": "#Microsoft.Skills.Text.V3.EntityRecognitionSkill",
"context": "/document",
"categories": [ "Person", "Email"],
"defaultLanguageCode": "en",
"minimumPrecision": 0.5,
"inputs": [
{
"name": "text",
"source": "/document/content"
},
{
"name": "languageCode",
"source": "/document/language"
}
],
"outputs": [
{
"name": "persons",
"targetName": "people"
},
{
"name": "emails",
"targetName": "emails"
},
{
"name": "namedEntities",
"targetName": "namedEntities"
}
]
}
Entrada de ejemplo
{
"values": [
{
"recordId": "1",
"data":
{
"text": "Contoso Corporation was founded by Jean Martin. They can be reached at contact@contoso.com",
"languageCode": "en"
}
}
]
}
Salida de ejemplo
{
"values": [
{
"recordId": "1",
"data" :
{
"people": [ "Jean Martin"],
"emails":["contact@contoso.com"],
"namedEntities":
[
{
"category": "Person",
"subcategory": null,
"length": 11,
"offset": 35,
"confidenceScore": 0.98,
"text": "Jean Martin"
},
{
"category": "Email",
"subcategory": null,
"length": 19,
"offset": 71,
"confidenceScore": 0.8,
"text": "contact@contoso.com"
}
],
}
}
]
}
Los desplazamientos devueltos para las entidades en la salida de esta aptitud se devuelven directamente desde las API de Language Service, lo que significa que si los usa para indexar en la cadena original, debe usar la clase StringInfo en .NET a fin de extraer el contenido correcto. Para obtener más información, vea Compatibilidad con varios idiomas y con emojis en características de Language Service.
Casos de advertencia
Si el código de idioma del documento no se admite, se devuelve una advertencia y no se extrae ninguna entidad.