Passer en revue le schéma cognitif Azure
Le service Azure Language fournit des outils puissants et des modèles de langage IA génératifs pour l’utilisation de données texte. Les intégrations dans le schéma azure_cognitive de l’extension azure_ai permettent d’accéder à ce vaste ensemble de fonctionnalités de compréhension et de traitement du langage naturel, directement à partir de la base de données. Les fonctionnalités incluent l’analyse des sentiments, la détection de langue et la traduction, l’extraction d’expressions clés, la reconnaissance d’entité et la synthèse de texte. Voici les aspects clés :
L’analyse des sentiments prédit le sentiment d’un texte donné (positif, négatif ou neutre). Il attribue des scores de confiance à chaque étiquette de sentiment, ce qui vous aide à comprendre le ton émotionnel du contenu généré par l’utilisateur, des avis ou des publications sur les réseaux sociaux.
La détection de langue identifie la langue dans laquelle un texte est écrit. Il est utile pour les scénarios tels que les applications multilingues ou le filtrage de contenu.
Le résumé génère des résumés concis de textes plus longs. Il est utile d’extraire des informations essentielles à partir d’articles, de documents ou de paragraphes longs.
L’extraction d’expressions clés identifie des termes ou expressions significatifs dans un document. Il facilite la catégorisation du contenu, l’indexation de recherche et la modélisation des rubriques.
L’extraction d’entités implique l’identification d’entités dans le texte, telles que les noms, les lieux, les dates, les adresses e-mail, etc. Il englobe plusieurs fonctionnalités, notamment la liaison d’entités et la détection des informations d’identification personnelles.
La traduction de texte exécute la traduction de texte entre les langues source et cible prises en charge.
Schéma azure_cognitive
Le azure_cognitive schéma au sein de l’extension azure_ai est conçu pour faciliter les interactions avec le service Azure Language directement à partir d’une base de données PostgreSQL. Le schéma comprend de nombreuses fonctions définies par l’utilisateur (UDF) et des types composites.
Fonctions
Les fonctions disponibles permettent l’analyse des sentiments, la détection de langue et la traduction, l’extraction de phrases clés et d’entités, ainsi que la synthèse de texte.
| Nom | Descriptif |
|---|---|
analyze_sentiment |
Réalise une analyse des sentiments en explorant le texte pour y trouver des indices de sentiments positifs ou négatifs. |
detect_language |
Détecte la langue du texte fourni. |
extract_key_phrases |
Extrait les principaux concepts du texte. |
linked_entities |
Identifie et désambigue l’identité d’une entité trouvée dans le texte. |
recognize_entities |
Identifie les entités dans le texte. |
recognize_pii_entities |
Identifie, catégorise et réacte les informations sensibles dans du texte non structuré. |
summarize_abstractive |
Génère un résumé en créant un contenu d’origine qui représente les concepts clés trouvés dans le texte. |
summarize_extractive |
Génère un résumé en identifiant les phrases clés dans le texte et en utilisant ces phrases pour représenter les concepts essentiels. |
translate |
Traduit du texte dans la langue spécifiée. |
Types composites
Les types composites au sein du azure_cognitive schéma gèrent les valeurs de retour des différentes fonctions. Ces types fournissent les structures requises pour gérer les objets retournés par le service Language et incluent :
- 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
Vous pouvez examiner les types composites plus en détail en utilisant la \dT méta-commande depuis une psql invite de commandes. Par exemple:
\dT+ azure_cognitive.translated_text_result
Pour approfondir le type composite, affichant toutes les colonnes, leurs types et tous les attributs spéciaux, vous pouvez utiliser la méta-commande ' \ d' :
\d+ azure_cognitive.translated_text_result
Cette commande génère une table contenant les colonnes, les types et les détails supplémentaires du type de retour spécifié :
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 |
Définir le point de terminaison et la clé du service de langage
Comme pour les fonctions azure_openai, vous devez fournir le point de terminaison du service et une clé pour effectuer des appels au service de Langage à l’aide de l’extension azure_ai. Les commandes suivantes montrent comment ajouter les paramètres à la table de configuration azure_ai.settings.
SELECT azure_ai.set_setting('azure_cognitive.endpoint', '{endpoint}');
SELECT azure_ai.set_setting('azure_cognitive.subscription_key', '{api-key}');
Si vous effectuez une traduction de texte à l’aide de la translate fonction, vous devez également fournir une région lors de la configuration de la connexion de l’extension à votre service Azure AI :
-- the region setting is only required for the translate function
select azure_ai.set_setting('azure_cognitive.region', '{region}');