Megosztás:

TextAnalysisClient class

Csomag:
@azure/ai-language-text

Ügyfél az Azure Cognitive Language Service szövegelemzési funkcióinak használatához.

Az ügyfélnek szüksége van egy nyelvi erőforrás végpontjára és egy hitelesítési módszerre, például egy API-kulcsra vagy egy AAD-ra. Az API-kulcs és a végpont az Azure Portal Nyelvi erőforrás lapján található. Ezek az erőforrás Kulcsok és végpont lapján, az Erőforrás-kezelés területen találhatók.

Példák hitelesítésre:

API-kulcs

import { TextAnalysisClient, AzureKeyCredential } from "@azure/ai-language-text";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new TextAnalysisClient(endpoint, credential);

Azure Active Directory

Az Azure Active Directoryval való hitelesítésről további információt a @azure/identity csomagban talál.

import { TextAnalysisClient } from "@azure/ai-language-text";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new TextAnalysisClient(endpoint, credential);

Konstruktorok

TextAnalysisClient(string, KeyCredential, TextAnalysisClientOptions)

Létrehoz egy TextAnalysisClient-példányt egy nyelvi erőforrás végpontjával és egy hitelesítési módszerrel, például EGY API-kulccsal vagy AAD-vel.

Az API-kulcs és a végpont az Azure Portal Nyelvi erőforrás lapján található. Ezek az erőforrás Kulcsok és végpont lapján, az Erőforrás-kezelés területen találhatók.

Példa

import { TextAnalysisClient, AzureKeyCredential } from "@azure/ai-language-text";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new TextAnalysisClient(endpoint, credential);
TextAnalysisClient(string, TokenCredential, TextAnalysisClientOptions)

Létrehoz egy TextAnalysisClient-példányt egy nyelvi erőforrás végpontjával és egy hitelesítési módszerrel, például EGY API-kulccsal vagy AAD-vel.

Az API-kulcs és a végpont az Azure Portal Nyelvi erőforrás lapján található. Ezek az erőforrás Kulcsok és végpont lapján, az Erőforrás-kezelés területen találhatók.

Példa

Az Azure Active Directoryval való hitelesítésről további információt a @azure/identity csomagban talál.

import { TextAnalysisClient } from "@azure/ai-language-text";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new TextAnalysisClient(endpoint, credential);

Módszerek

analyze<ActionName>(ActionName, LanguageDetectionInput[], AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat annak meghatározásához, hogy a bemeneti sztringek milyen nyelven vannak megírva, és mindegyikhez visszaadja az észlelt nyelvet, valamint egy pontszámot, amely jelzi a modell megbízhatóságát, hogy a beszúrt nyelv helyes. Az 1-hez közeli pontszámok nagy bizonyosságot jeleznek az eredményben. 120 nyelv támogatott.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Nyelvfelismerés

const documents = [<input strings>];
const countryHint = "us";
const results = await client.analyze("LanguageDetection", documents, countryHint);

for (let i = 0; i < results.length; i++) {
  const result = results[i];
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { name, confidenceScore, iso6391Name } = result.primaryLanguage;
  }
}

A nyelvfelismeréssel kapcsolatos további információkért lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview.
analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat annak meghatározásához, hogy a bemeneti sztringek milyen nyelven vannak megírva, és mindegyikhez visszaadja az észlelt nyelvet, valamint egy pontszámot, amely jelzi a modell megbízhatóságát, hogy a beszúrt nyelv helyes. Az 1-hez közeli pontszámok nagy bizonyosságot jeleznek az eredményben. 120 nyelv támogatott.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Nyelvfelismerés

const documents = [<input strings>];
const countryHint = "us";
const results = await client.analyze("LanguageDetection", documents, countryHint);

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { name, confidenceScore, iso6391Name } = result.primaryLanguage;
  }
}

A nyelvfelismeréssel kapcsolatos további információkért lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview.
analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat a választott művelet végrehajtásához a bemeneti sztringeken. A támogatott műveletek listáját a $AnalyzeActionName találja.

Az eredménytömb egyes elemeinek elrendezése a választott művelettől függ. Például minden PIIEntityRecognition-dokumentum eredménye entities és redactedText, ahol az előbbi a szöveg összes Pii-entitásának listája, az utóbbi pedig az eredeti szöveg, miután az összes ilyen Pii-entitást újra ki lett adva belőle.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Véleménybányászat

const documents = ["The food and service aren't the best"];
const results = await client.analyze("SentimentAnalysis", documents, {
  includeOpinionMining: true,
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { sentiment, confidenceScores, sentences } = result;
    for (const { sentiment, confidenceScores, opinions } of sentences) {
      for (const { target, assessments } of opinions) {
        const { text, sentiment, confidenceScores } = target;
        for (const { text, sentiment } of assessments) {
          // Do something
        }
      }
    }
  }
}

A véleménybányászatról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview talál.

Személyazonosításra alkalmas adatok

const documents = [<input strings>];
const languageCode = "en";
const categoriesFilter = [KnownPiiCategory.USSocialSecurityNumber];
const domainFilter = KnownPiiDomain.Phi;
const results = await client.analyze("PiiEntityRecognition", documents, languageCode, {
  domainFilter, categoriesFilter
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { entities, redactedText } = result;
    for (const { text, category, confidenceScore, length, offset } of entities) {
      // Do something
    }
  }
}

A személyazonosításra alkalmas adatokról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview talál.
analyze<ActionName>(ActionName, TextDocumentInput[], AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat a választott művelet végrehajtásához a bemeneti dokumentumokon. A támogatott műveletek listáját a $AnalyzeActionName találja.

Az eredménytömb egyes elemeinek elrendezése a választott művelettől függ. Például minden PIIEntityRecognition-dokumentum eredménye entities és redactedText, ahol az előbbi a szöveg összes Pii-entitásának listája, az utóbbi pedig az eredeti szöveg, miután az összes ilyen Pii-entitást újra ki lett adva belőle.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Véleménybányászat

const documents = [{
 id: "1",
 text: "The food and service aren't the best",
 language: "en"
}];
const results = await client.analyze("SentimentAnalysis", documents, {
  includeOpinionMining: true,
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { sentiment, confidenceScores, sentences } = result;
    for (const { sentiment, confidenceScores, opinions } of sentences) {
      for (const { target, assessments } of opinions) {
        const { text, sentiment, confidenceScores } = target;
        for (const { text, sentiment } of assessments) {
          // Do something
        }
      }
    }
  }
}

A véleménybányászatról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview talál.

Személyazonosításra alkalmas adatok

const documents = [<input documents>];
const categoriesFilter = [KnownPiiCategory.USSocialSecurityNumber];
const domainFilter = KnownPiiDomain.Phi;
const results = await client.analyze("PiiEntityRecognition", documents, {
  domainFilter, categoriesFilter
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { entities, redactedText } = result;
    for (const { text, category, confidenceScore, length, offset } of entities) {
      // Do something
    }
  }
}

A személyazonosításra alkalmas adatokról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview talál.
beginAnalyzeBatch(AnalyzeBatchAction[], string[], string, BeginAnalyzeBatchOptions)

Végrehajt egy tömböt (köteget) a bemeneti dokumentumokon. Minden művelethez tartozik egy kind mező, amely meghatározza a művelet jellegét. A támogatott műveletek listáját a $AnalyzeBatchActionNames című témakörben találja. A kindmellett a műveletek más paraméterekkel is rendelkezhetnek , például disableServiceLogs és modelVersion.

Az eredménytömb azoknak a bemeneti műveleteknek az eredményeit tartalmazza, amelyekben minden elemhez tartozik egy kind mező, amely meghatározza az eredmények típusát.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Kulcskifejezések kinyerése és Pii-entitások felismerése

const poller = await client.beginAnalyzeBatch(
 [{ kind: "KeyPhraseExtraction" }, { kind: "PiiEntityRecognition" }],
 documents
);
const actionResults = await poller.pollUntilDone();

for await (const actionResult of actionResults) {
 if (actionResult.error) {
   throw new Error(`Unexpected error`);
 }
 switch (actionResult.kind) {
   case "KeyPhraseExtraction": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
   case "PiiEntityRecognition": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
 }
}
beginAnalyzeBatch(AnalyzeBatchAction[], TextDocumentInput[], BeginAnalyzeBatchOptions)

Végrehajt egy tömböt (köteget) a bemeneti dokumentumokon. Minden művelethez tartozik egy kind mező, amely meghatározza a művelet jellegét. A támogatott műveletek listáját a $AnalyzeBatchActionNames című témakörben találja. A kindmellett a műveletek más paraméterekkel is rendelkezhetnek , például disableServiceLogs és modelVersion.

Az eredménytömb azoknak a bemeneti műveleteknek az eredményeit tartalmazza, amelyekben minden elemhez tartozik egy kind mező, amely meghatározza az eredmények típusát.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Kulcsfrázis kinyerése és Pii-entitások felismerése

const poller = await client.beginAnalyzeBatch(
 [{ kind: "KeyPhraseExtraction" }, { kind: "PiiEntityRecognition" }],
 documents
);
const actionResults = await poller.pollUntilDone();

for await (const actionResult of actionResults) {
 if (actionResult.error) {
   throw new Error(`Unexpected error`);
 }
 switch (actionResult.kind) {
   case "KeyPhraseExtraction": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
   case "PiiEntityRecognition": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
 }
}
restoreAnalyzeBatchPoller(string, RestoreAnalyzeBatchPollerOptions)

Létrehoz egy pollert egy másik lekérdezés szerializált állapotából. Ez akkor lehet hasznos, ha egy másik gazdagépen szeretne lekérdezéseket létrehozni, vagy ha az eredeti nem tartozik a hatókörbe, létre kell hozni egy lekérdezést.

Építő részletek

TextAnalysisClient(string, KeyCredential, TextAnalysisClientOptions)

Létrehoz egy TextAnalysisClient-példányt egy nyelvi erőforrás végpontjával és egy hitelesítési módszerrel, például EGY API-kulccsal vagy AAD-vel.

Az API-kulcs és a végpont az Azure Portal Nyelvi erőforrás lapján található. Ezek az erőforrás Kulcsok és végpont lapján, az Erőforrás-kezelés területen találhatók.

Példa

import { TextAnalysisClient, AzureKeyCredential } from "@azure/ai-language-text";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new TextAnalysisClient(endpoint, credential);

new TextAnalysisClient(endpointUrl: string, credential: KeyCredential, options?: TextAnalysisClientOptions)

Paraméterek

endpointUrl

string

A Cognitive Language Service-erőforrás végpontjára mutató URL-cím

credential
KeyCredential

A szolgáltatáshoz érkező kérések hitelesítéséhez használandó kulcs hitelesítő adatai.

options
TextAnalysisClientOptions

A TextAnalytics-ügyfél konfigurálására szolgál.

TextAnalysisClient(string, TokenCredential, TextAnalysisClientOptions)

Létrehoz egy TextAnalysisClient-példányt egy nyelvi erőforrás végpontjával és egy hitelesítési módszerrel, például EGY API-kulccsal vagy AAD-vel.

Az API-kulcs és a végpont az Azure Portal Nyelvi erőforrás lapján található. Ezek az erőforrás Kulcsok és végpont lapján, az Erőforrás-kezelés területen találhatók.

Példa

Az Azure Active Directoryval való hitelesítésről további információt a @azure/identity csomagban talál.

import { TextAnalysisClient } from "@azure/ai-language-text";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new TextAnalysisClient(endpoint, credential);

new TextAnalysisClient(endpointUrl: string, credential: TokenCredential, options?: TextAnalysisClientOptions)

Paraméterek

endpointUrl

string

A Cognitive Language Service-erőforrás végpontjára mutató URL-cím

credential
TokenCredential

Jogkivonat hitelesítő adatai a szolgáltatáshoz érkező kérések hitelesítéséhez.

options
TextAnalysisClientOptions

A TextAnalytics-ügyfél konfigurálására szolgál.

Módszer részletei

analyze<ActionName>(ActionName, LanguageDetectionInput[], AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat annak meghatározásához, hogy a bemeneti sztringek milyen nyelven vannak megírva, és mindegyikhez visszaadja az észlelt nyelvet, valamint egy pontszámot, amely jelzi a modell megbízhatóságát, hogy a beszúrt nyelv helyes. Az 1-hez közeli pontszámok nagy bizonyosságot jeleznek az eredményben. 120 nyelv támogatott.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Nyelvfelismerés

const documents = [<input strings>];
const countryHint = "us";
const results = await client.analyze("LanguageDetection", documents, countryHint);

for (let i = 0; i < results.length; i++) {
  const result = results[i];
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { name, confidenceScore, iso6391Name } = result.primaryLanguage;
  }
}

A nyelvfelismeréssel kapcsolatos további információkért lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview.

function analyze<ActionName>(actionName: ActionName, documents: LanguageDetectionInput[], options?: AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions): Promise<AnalyzeResult<ActionName>>

Paraméterek

actionName

ActionName

a bemeneti dokumentumokon végrehajtandó művelet neve, lásd: $AnalyzeActionName

documents

LanguageDetectionInput[]

az elemezni kívánt bemeneti dokumentumok

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

a művelet választható műveleti paraméterei és beállításai

Visszatér

Promise<AnalyzeResult<ActionName>>

egy eredménytömb, amelyben minden elem tartalmazza a megfelelő bemeneti dokumentum elsődleges nyelvét.

analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat annak meghatározásához, hogy a bemeneti sztringek milyen nyelven vannak megírva, és mindegyikhez visszaadja az észlelt nyelvet, valamint egy pontszámot, amely jelzi a modell megbízhatóságát, hogy a beszúrt nyelv helyes. Az 1-hez közeli pontszámok nagy bizonyosságot jeleznek az eredményben. 120 nyelv támogatott.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Nyelvfelismerés

const documents = [<input strings>];
const countryHint = "us";
const results = await client.analyze("LanguageDetection", documents, countryHint);

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { name, confidenceScore, iso6391Name } = result.primaryLanguage;
  }
}

A nyelvfelismeréssel kapcsolatos további információkért lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview.

function analyze<ActionName>(actionName: ActionName, documents: string[], countryHint?: string, options?: AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions): Promise<AnalyzeResult<ActionName>>

Paraméterek

actionName

ActionName

a bemeneti dokumentumokon végrehajtandó művelet neve, lásd: $AnalyzeActionName

documents

string[]

az elemezni kívánt bemeneti dokumentumok

countryHint

string

Az összes bemeneti sztring származási országát jelzi, hogy a modell előrejelezhesse a beírt nyelvet. Ha nincs meghatározva, ez az érték a TextAnalysisClientOptionsalapértelmezett országmutatóra lesz állítva. Ha üres sztringre vagy "nincs" sztringre van állítva, a szolgáltatás egy olyan modellt alkalmaz, amelyben az ország explicit módon nincs megadva. A bemeneti gyűjteményben lévő összes sztringre ugyanazt az országmutatót alkalmazza a rendszer.

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

a művelet választható műveleti paraméterei és beállításai

Visszatér

Promise<AnalyzeResult<ActionName>>

egy eredménytömb, amelyben minden elem tartalmazza a megfelelő bemeneti dokumentum elsődleges nyelvét.

analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat a választott művelet végrehajtásához a bemeneti sztringeken. A támogatott műveletek listáját a $AnalyzeActionName találja.

Az eredménytömb egyes elemeinek elrendezése a választott művelettől függ. Például minden PIIEntityRecognition-dokumentum eredménye entities és redactedText, ahol az előbbi a szöveg összes Pii-entitásának listája, az utóbbi pedig az eredeti szöveg, miután az összes ilyen Pii-entitást újra ki lett adva belőle.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Véleménybányászat

const documents = ["The food and service aren't the best"];
const results = await client.analyze("SentimentAnalysis", documents, {
  includeOpinionMining: true,
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { sentiment, confidenceScores, sentences } = result;
    for (const { sentiment, confidenceScores, opinions } of sentences) {
      for (const { target, assessments } of opinions) {
        const { text, sentiment, confidenceScores } = target;
        for (const { text, sentiment } of assessments) {
          // Do something
        }
      }
    }
  }
}

A véleménybányászatról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview talál.

Személyazonosításra alkalmas adatok

const documents = [<input strings>];
const languageCode = "en";
const categoriesFilter = [KnownPiiCategory.USSocialSecurityNumber];
const domainFilter = KnownPiiDomain.Phi;
const results = await client.analyze("PiiEntityRecognition", documents, languageCode, {
  domainFilter, categoriesFilter
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { entities, redactedText } = result;
    for (const { text, category, confidenceScore, length, offset } of entities) {
      // Do something
    }
  }
}

A személyazonosításra alkalmas adatokról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview talál.

function analyze<ActionName>(actionName: ActionName, documents: string[], languageCode?: string, options?: AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions): Promise<AnalyzeResult<ActionName>>

Paraméterek

actionName

ActionName

a bemeneti dokumentumokon végrehajtandó művelet neve, lásd: $AnalyzeActionName

documents

string[]

az elemezni kívánt bemeneti dokumentumok

languageCode

string

annak a nyelvnek a kódja, amelyben az összes bemeneti sztring meg van írva. Ha nincs meghatározva, ez az érték a TextAnalysisClientOptionsalapértelmezett nyelvére lesz állítva. Ha üres sztringre van állítva, a szolgáltatás egy olyan modellt alkalmaz, amelyben a nyelv kifejezetten "Nincs" értékre van állítva. A nyelvi támogatás műveletenként eltérő, például az Entitásfelismerési műveletekhez támogatott nyelvekről további információ található a https://docs.microsoft.com//azure/cognitive-services/language-service/named-entity-recognition/language-support. Ha az "automatikus" értékre van állítva, a szolgáltatás automatikusan a bemeneti szövegből fogja kikövetkeztetni a nyelvet.

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

a művelet választható műveleti paraméterei és beállításai

Visszatér

Promise<AnalyzeResult<ActionName>>

a bemeneti dokumentumoknak megfelelő eredménytömb

analyze<ActionName>(ActionName, TextDocumentInput[], AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Prediktív modellt futtat a választott művelet végrehajtásához a bemeneti dokumentumokon. A támogatott műveletek listáját a $AnalyzeActionName találja.

Az eredménytömb egyes elemeinek elrendezése a választott művelettől függ. Például minden PIIEntityRecognition-dokumentum eredménye entities és redactedText, ahol az előbbi a szöveg összes Pii-entitásának listája, az utóbbi pedig az eredeti szöveg, miután az összes ilyen Pii-entitást újra ki lett adva belőle.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Véleménybányászat

const documents = [{
 id: "1",
 text: "The food and service aren't the best",
 language: "en"
}];
const results = await client.analyze("SentimentAnalysis", documents, {
  includeOpinionMining: true,
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { sentiment, confidenceScores, sentences } = result;
    for (const { sentiment, confidenceScores, opinions } of sentences) {
      for (const { target, assessments } of opinions) {
        const { text, sentiment, confidenceScores } = target;
        for (const { text, sentiment } of assessments) {
          // Do something
        }
      }
    }
  }
}

A véleménybányászatról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview talál.

Személyazonosításra alkalmas adatok

const documents = [<input documents>];
const categoriesFilter = [KnownPiiCategory.USSocialSecurityNumber];
const domainFilter = KnownPiiDomain.Phi;
const results = await client.analyze("PiiEntityRecognition", documents, {
  domainFilter, categoriesFilter
});

for (const result of results) {
  if (result.error) {
    // a document has an error instead of results
  } else {
    const { entities, redactedText } = result;
    for (const { text, category, confidenceScore, length, offset } of entities) {
      // Do something
    }
  }
}

A személyazonosításra alkalmas adatokról további információt a https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview talál.

function analyze<ActionName>(actionName: ActionName, documents: TextDocumentInput[], options?: AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions): Promise<AnalyzeResult<ActionName>>

Paraméterek

actionName

ActionName

a bemeneti dokumentumokon végrehajtandó művelet neve, lásd: $AnalyzeActionName

documents

TextDocumentInput[]

az elemezni kívánt bemeneti dokumentumok

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

a művelet választható műveleti paraméterei és beállításai

Visszatér

Promise<AnalyzeResult<ActionName>>

a bemeneti dokumentumoknak megfelelő eredménytömb

beginAnalyzeBatch(AnalyzeBatchAction[], string[], string, BeginAnalyzeBatchOptions)

Végrehajt egy tömböt (köteget) a bemeneti dokumentumokon. Minden művelethez tartozik egy kind mező, amely meghatározza a művelet jellegét. A támogatott műveletek listáját a $AnalyzeBatchActionNames című témakörben találja. A kindmellett a műveletek más paraméterekkel is rendelkezhetnek , például disableServiceLogs és modelVersion.

Az eredménytömb azoknak a bemeneti műveleteknek az eredményeit tartalmazza, amelyekben minden elemhez tartozik egy kind mező, amely meghatározza az eredmények típusát.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Kulcskifejezések kinyerése és Pii-entitások felismerése

const poller = await client.beginAnalyzeBatch(
 [{ kind: "KeyPhraseExtraction" }, { kind: "PiiEntityRecognition" }],
 documents
);
const actionResults = await poller.pollUntilDone();

for await (const actionResult of actionResults) {
 if (actionResult.error) {
   throw new Error(`Unexpected error`);
 }
 switch (actionResult.kind) {
   case "KeyPhraseExtraction": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
   case "PiiEntityRecognition": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
 }
}

function beginAnalyzeBatch(actions: AnalyzeBatchAction[], documents: string[], languageCode?: string, options?: BeginAnalyzeBatchOptions): Promise<AnalyzeBatchPoller>

Paraméterek

actions

AnalyzeBatchAction[]

a bemeneti dokumentumokon futtatandó műveletek tömbje

documents

string[]

az elemezni kívánt bemeneti dokumentumok

languageCode

string

annak a nyelvnek a kódja, amelyben az összes bemeneti sztring meg van írva. Ha nincs meghatározva, ez az érték a TextAnalysisClientOptionsalapértelmezett nyelvére lesz állítva. Ha üres sztringre van állítva, a szolgáltatás egy olyan modellt alkalmaz, amelyben a nyelv kifejezetten "Nincs" értékre van állítva. A nyelvi támogatás műveletenként eltérő, például az Entitásfelismerési műveletekhez támogatott nyelvekről további információ található a https://docs.microsoft.com//azure/cognitive-services/language-service/named-entity-recognition/language-support. Ha az "automatikus" értékre van állítva, a szolgáltatás automatikusan a bemeneti szövegből fogja kikövetkeztetni a nyelvet.

options
BeginAnalyzeBatchOptions

a művelet választható beállításai

Visszatér

Promise<AnalyzeBatchPoller>

a bemeneti műveleteknek megfelelő eredménytömb

beginAnalyzeBatch(AnalyzeBatchAction[], TextDocumentInput[], BeginAnalyzeBatchOptions)

Végrehajt egy tömböt (köteget) a bemeneti dokumentumokon. Minden művelethez tartozik egy kind mező, amely meghatározza a művelet jellegét. A támogatott műveletek listáját a $AnalyzeBatchActionNames című témakörben találja. A kindmellett a műveletek más paraméterekkel is rendelkezhetnek , például disableServiceLogs és modelVersion.

Az eredménytömb azoknak a bemeneti műveleteknek az eredményeit tartalmazza, amelyekben minden elemhez tartozik egy kind mező, amely meghatározza az eredmények típusát.

Az adatkorlátokat lásd a https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits.

Példák

Kulcsfrázis kinyerése és Pii-entitások felismerése

const poller = await client.beginAnalyzeBatch(
 [{ kind: "KeyPhraseExtraction" }, { kind: "PiiEntityRecognition" }],
 documents
);
const actionResults = await poller.pollUntilDone();

for await (const actionResult of actionResults) {
 if (actionResult.error) {
   throw new Error(`Unexpected error`);
 }
 switch (actionResult.kind) {
   case "KeyPhraseExtraction": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
   case "PiiEntityRecognition": {
     for (const doc of actionResult.results) {
       // do something
     }
     break;
   }
 }
}

function beginAnalyzeBatch(actions: AnalyzeBatchAction[], documents: TextDocumentInput[], options?: BeginAnalyzeBatchOptions): Promise<AnalyzeBatchPoller>

Paraméterek

actions

AnalyzeBatchAction[]

a bemeneti dokumentumokon futtatandó műveletek tömbje

documents

TextDocumentInput[]

az elemezni kívánt bemeneti dokumentumok

options
BeginAnalyzeBatchOptions

a művelet választható beállításai

Visszatér

Promise<AnalyzeBatchPoller>

a bemeneti műveleteknek megfelelő eredménytömb

restoreAnalyzeBatchPoller(string, RestoreAnalyzeBatchPollerOptions)

Létrehoz egy pollert egy másik lekérdezés szerializált állapotából. Ez akkor lehet hasznos, ha egy másik gazdagépen szeretne lekérdezéseket létrehozni, vagy ha az eredeti nem tartozik a hatókörbe, létre kell hozni egy lekérdezést.

function restoreAnalyzeBatchPoller(serializedState: string, options?: RestoreAnalyzeBatchPollerOptions): Promise<AnalyzeBatchPoller>

Paraméterek

serializedState

string

egy másik poller szerializált állapota. Ez a poller.toString() eredménye

options
RestoreAnalyzeBatchPollerOptions

a művelet választható beállításai

Példa

client.beginAnalyzeBatch egy olyan ígéretet ad vissza, amely megoldódik egy pollernek. A poller állapota szerializálható, és az alábbiak szerint hozhat létre egy másikat:

const serializedState = poller.toString();
const rehydratedPoller = await client.createAnalyzeBatchPoller(serializedState);
const actionResults = await rehydratedPoller.pollUntilDone();

Visszatér

Promise<AnalyzeBatchPoller>