Megosztás a következőn keresztül:

Azure Text Analysis ügyfélkódtár JavaScripthez – 1.1.0-s verzió

  • Cikk

Az Azure Cognitive Service for Language egy felhőalapú szolgáltatás, amely fejlett természetes nyelvi feldolgozást biztosít nyers szövegen keresztül, és a következő fő funkciókat tartalmazza:

Megjegyzés: Ez az SDK az Azure Cognitive Service for Language API 2023-04-01-es verzióját célozza meg.

  • Nyelvfelismerés
  • Hangulatelemzés
  • Kulcskifejezések kinyerése
  • Megnevezett entitások felismerése
  • Személyazonosításra alkalmas adatok elismerése
  • Entitáskapcsolás
  • Egészségügyi elemzés
  • Kivonatoló összegzés
  • Absztraktív összegzés
  • Egyéni entitásfelismerés
  • Egyéni dokumentumbesorolás
  • Dokumentumonként több művelet támogatása

Az ügyfélkódtár használatával:

  • Annak észlelése, hogy milyen nyelvi beviteli szöveg van beírva.
  • Határozza meg, mit gondolnak az ügyfelek a márkáról vagy a témáról a pozitív vagy negatív hangulatra utaló jelek nyers szövegének elemzésével.
  • Automatikusan kinyeri a kulcskifejezéseket, ezzel gyorsan azonosítva a szöveg mondanivalójának fő pontjait.
  • Azonosíthatja és kategorizálhatja a szövegben szereplő entitásokat személyek, helyek, szervezetek, dátum/idő, mennyiségek, százalékok, pénznemek, egészségügyi szolgáltatások és egyebek szerint.
  • Hajtsa végre egyszerre a fenti feladatok többszörösét.

Fő hivatkozások:

Migrálás a tanácsadásból @azure/ai-text-analytics⚠️

A migrálási útmutatóban részletes útmutatást talál arról, hogyan frissítheti az alkalmazáskódot az AI Text Analytics ügyfélkódtár 5.x verziójáról az új AI Language Text ügyfélkódtárra.

Újdonságok

Első lépések

Jelenleg támogatott környezetek

További részletekért tekintse meg támogatási szabályzatunkat .

Előfeltételek

Ha az Azure CLI-t használja, cserélje le <your-resource-group-name> a és <your-resource-name> a nevet a saját egyedi nevére:

az cognitiveservices account create --kind TextAnalytics --resource-group <your-resource-group-name> --name <your-resource-name> --sku <your-sku-name> --location <your-location>

Telepítse a(z) @azure/ai-language-text csomagot

Telepítse a JavaScripthez készült Azure Text Analysis ügyfélkódtárat a következővel npm:

npm install @azure/ai-language-text

Hozzon létre és hitelesítsen egy TextAnalysisClient

Ahhoz, hogy létrehozhasson egy ügyfélobjektumot a Language API eléréséhez, szüksége lesz a endpoint Language erőforrásra és egy credential. A szövegelemzési ügyfél az Azure Active Directory hitelesítő adatait vagy egy API-kulcs hitelesítő adatait használhatja a hitelesítéshez.

A nyelvi erőforrás végpontját az Azure Portalon vagy az alábbi Azure CLI-kódrészlet használatával találja meg:

az cognitiveservices account show --name <your-resource-name> --resource-group <your-resource-group-name> --query "properties.endpoint"

API-kulcs használata

Az Azure Portalon keresse meg a nyelvi erőforrást, és kérjen le egy API-kulcsot, vagy használja az alábbi Azure CLI-kódrészletet :

Megjegyzés: Néha az API-kulcsot "előfizetési kulcsnak" vagy "előfizetési API-kulcsnak" is nevezik.

az cognitiveservices account keys list --resource-group <your-resource-group-name> --name <your-resource-name>

Miután rendelkezik API-kulccsal és végpontokkal, az AzureKeyCredential osztály használatával hitelesítheti az ügyfelet az alábbiak szerint:

const { TextAnalysisClient, AzureKeyCredential } = require("@azure/ai-language-text");

const client = new TextAnalysisClient("<endpoint>", new AzureKeyCredential("<API key>"));

Azure Active Directory hitelesítő adatok használata

A legtöbb példában ügyfél API-kulcshitelesítést használnak, de az Azure Identity-kódtár használatával az Azure Active Directoryval is hitelesíthetők. Az alább látható DefaultAzureCredential szolgáltató vagy az Azure SDK-hoz biztosított egyéb hitelesítőadat-szolgáltatók használatához telepítse a @azure/identity csomagot:

npm install @azure/identity

Új AAD-alkalmazást is regisztrálnia kell, és hozzáférést kell adnia a nyelvhez úgy, hogy hozzárendeli a "Cognitive Services User" szerepkört a szolgáltatásnévhez (megjegyzés: más szerepkörök, például "Owner" nem biztosítják a szükséges engedélyeket, csak "Cognitive Services User" a példák és a mintakód futtatásához lesz elegendő).

Állítsa be az AAD-alkalmazás ügyfélazonosítójának, bérlőazonosítójának és titkos ügyfélkulcsának értékeit környezeti változókként: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

const { TextAnalysisClient } = require("@azure/ai-language-text");
const { DefaultAzureCredential } = require("@azure/identity");

const client = new TextAnalysisClient("<endpoint>", new DefaultAzureCredential());

Fő fogalmak

TextAnalysisClient

TextAnalysisClient a Szövegelemzés ügyfélkódtárat használó fejlesztők elsődleges felülete. Az ügyfélobjektumon található metódusok segítségével megismerheti a Nyelvi szolgáltatás különböző funkcióit, amelyekhez hozzáférhet.

Bevitel

A dokumentumok egyetlen bemeneti egységet jelölnek, amelyet a language szolgáltatás prediktív modelljei elemeznek. TextAnalysisClient A műveletek a kötegként elemezendő bemenetek gyűjteményét hajtják végre. A műveleti metódusok túlterheléssel rendelkeznek, amelyek lehetővé teszik, hogy a bemenetek sztringként vagy csatolt metaadatokat tartalmazó objektumokként jelenjenek meg.

Például minden dokumentum átadható karakterláncként egy tömbben, például:

const documents = [
  "I hated the movie. It was so slow!",
  "The movie made it into my top ten favorites.",
  "What a great movie!",
];

vagy ha elemenkénti dokumentumot id szeretne átadni, vagy languagecountryHint/a művelettől függően vagy listaként TextDocumentInputDetectLanguageInput is megadható;

const textDocumentInputs = [
  { id: "1", language: "en", text: "I hated the movie. It was so slow!" },
  { id: "2", language: "en", text: "The movie made it into my top ten favorites." },
  { id: "3", language: "en", text: "What a great movie!" },
];

Tekintse meg a bemenetre vonatkozó szolgáltatáskorlátozásokat , beleértve a dokumentum hosszára vonatkozó korlátozásokat, a köteg maximális méretét és a támogatott szövegkódolásokat.

Visszatérési érték

Az egyetlen dokumentumnak megfelelő visszatérési érték egy sikeres eredmény vagy egy hibaobjektum. Minden TextAnalysisClient metódus egy heterogén eredmény- és hibatömböt ad vissza, amely megfelel az index szerinti bemeneteknek. A szövegbevitel és annak eredménye ugyanazzal az indexel lesz a bemenetben és az eredménygyűjteményekben.

Az eredmény ( például SentimentAnalysisResult) egy Language művelet eredménye, amely egyetlen szöveges bemenetre vonatkozó előrejelzést vagy előrejelzést tartalmaz. A művelet eredménytípusa opcionálisan tartalmazhat információkat a bemeneti dokumentumról és a feldolgozás módjáról.

A hibaobjektum azt jelzi, TextAnalysisErrorResulthogy a szolgáltatás hibát észlelt a dokumentum feldolgozása során, és információkat tartalmaz a hibáról.

Dokumentumhiba kezelése

A művelet által visszaadott gyűjteményben a hibák a sikeres válaszoktól a tulajdonság jelenléte error alapján vannak megkülönböztetve, amely hiba esetén a belső TextAnalysisError objektumot tartalmazza. Sikeres eredményobjektumok esetén ez a tulajdonság mindigundefined az.

Az összes hiba kiszűréséhez például használhatja a következőt filter:

const results = await client.analyze("SentimentAnalysis", documents);
const onlySuccessful = results.filter((result) => result.error === undefined);

Megjegyzés: A TypeScript-felhasználók jobban kihasználhatják az eredmény- és hibaobjektumok típusellenőrzését, ha compilerOptions.strictNullChecks a tsconfig.json konfigurációban be van állítvatrue. Például:

const [result] = await client.analyze("SentimentAnalysis", ["Hello world!"]);

if (result.error !== undefined) {
  // In this if block, TypeScript will be sure that the type of `result` is
  // `TextAnalysisError` if compilerOptions.strictNullChecks is enabled in
  // the tsconfig.json

  console.log(result.error);
}

Példák

Ügyfélhasználat

Előre összeállított feladatok

Egyéni feladatok

Hibaelhárítás

Naplózás

A naplózás engedélyezése segíthet a hibákról szóló hasznos információk feltárásában. A HTTP-kérések és válaszok naplójának megtekintéséhez állítsa a környezeti változót a AZURE_LOG_LEVEL értékre info. A naplózás futásidőben is engedélyezhető a következő hívással setLogLevel@azure/logger:

const { setLogLevel } = require("@azure/logger");

setLogLevel("info");

A naplók engedélyezésére vonatkozó részletesebb útmutatásért tekintse meg a @azure/logger csomag dokumentációt.

Következő lépések

A kódtár használatára vonatkozó részletes példákért tekintse meg a mintakönyvtárat.

Közreműködés

Ha hozzá szeretne járulni ehhez a kódtárhoz, olvassa el a közreműködői útmutatót , amelyből többet is megtudhat a kód összeállításáról és teszteléséről.

Megjelenések