Bagikan melalui

TextAnalysisClient class

Paket:
@azure/ai-language-text

Klien untuk berinteraksi dengan fitur analisis teks di Azure Cognitive Language Service.

Klien memerlukan titik akhir sumber daya Bahasa dan metode autentikasi seperti kunci API atau AAD. Kunci API dan titik akhir dapat ditemukan di halaman Sumber daya Bahasa di portal Microsoft Azure. Mereka akan terletak di halaman Kunci dan Titik Akhir sumber daya, di bawah Manajemen Sumber Daya.

Contoh untuk autentikasi:

Kunci API

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

Lihat paket @azure/identity untuk informasi selengkapnya tentang mengautentikasi dengan Azure Active Directory.

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);

Konstruktor

TextAnalysisClient(string, KeyCredential, TextAnalysisClientOptions)

Membuat instans TextAnalysisClient dengan titik akhir sumber daya Bahasa dan metode autentikasi seperti kunci API atau AAD.

Kunci API dan titik akhir dapat ditemukan di halaman Sumber daya Bahasa di portal Microsoft Azure. Mereka akan terletak di halaman Kunci dan Titik Akhir sumber daya, di bawah Manajemen Sumber Daya.

Contoh

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)

Membuat instans TextAnalysisClient dengan titik akhir sumber daya Bahasa dan metode autentikasi seperti kunci API atau AAD.

Kunci API dan titik akhir dapat ditemukan di halaman Sumber daya Bahasa di portal Microsoft Azure. Mereka akan terletak di halaman Kunci dan Titik Akhir sumber daya, di bawah Manajemen Sumber Daya.

Contoh

Lihat paket @azure/identity untuk informasi selengkapnya tentang mengautentikasi dengan Azure Active Directory.

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);

Metode

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

Menjalankan model prediktif untuk menentukan bahasa tempat string input yang diteruskan ditulis, dan mengembalikan, untuk masing-masing, bahasa yang terdeteksi serta skor yang menunjukkan keyakinan model bahwa bahasa yang disimpulkan sudah benar. Skor mendekati 1 menunjukkan kepastian tinggi dalam hasilnya. 120 bahasa didukung.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Deteksi bahasa

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;
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview untuk informasi selengkapnya tentang deteksi bahasa.
analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Menjalankan model prediktif untuk menentukan bahasa tempat string input yang diteruskan ditulis, dan mengembalikan, untuk masing-masing, bahasa yang terdeteksi serta skor yang menunjukkan keyakinan model bahwa bahasa yang disimpulkan sudah benar. Skor mendekati 1 menunjukkan kepastian tinggi dalam hasilnya. 120 bahasa didukung.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Deteksi bahasa

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;
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview untuk informasi selengkapnya tentang deteksi bahasa.
analyze<ActionName>(ActionName, string[], string, AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Menjalankan model prediktif untuk melakukan tindakan pilihan pada string input. Lihat $AnalyzeActionName untuk daftar tindakan yang didukung.

Tata letak setiap item dalam array hasil bergantung pada tindakan yang dipilih. Misalnya, setiap hasil dokumen PIIEntityRecognition terdiri dari entities dan redactedText di mana yang pertama adalah daftar semua entitas Pii dalam teks dan yang terakhir adalah teks asli setelah semua entitas Pii tersebut telah diredaksi darinya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Penggalian opini

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
        }
      }
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview untuk informasi selengkapnya tentang penambangan opini.

Informasi yang dapat diidentifikasi secara pribadi

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
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview untuk informasi selengkapnya tentang informasi identitas pribadi.
analyze<ActionName>(ActionName, TextDocumentInput[], AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions)

Menjalankan model prediktif untuk melakukan tindakan pilihan pada dokumen input. Lihat $AnalyzeActionName untuk daftar tindakan yang didukung.

Tata letak setiap item dalam array hasil bergantung pada tindakan yang dipilih. Misalnya, setiap hasil dokumen PIIEntityRecognition terdiri dari entities dan redactedText di mana yang pertama adalah daftar semua entitas Pii dalam teks dan yang terakhir adalah teks asli setelah semua entitas Pii tersebut telah diredaksi darinya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Penggalian opini

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
        }
      }
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview untuk informasi selengkapnya tentang penambangan opini.

Informasi yang dapat diidentifikasi secara pribadi

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
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview untuk informasi selengkapnya tentang informasi identitas pribadi.
beginAnalyzeBatch(AnalyzeBatchAction[], string[], string, BeginAnalyzeBatchOptions)

Melakukan array (batch) tindakan pada dokumen input. Setiap tindakan memiliki bidang kind yang menentukan sifat tindakan. Lihat $AnalyzeBatchActionNames untuk daftar tindakan yang didukung. Selain kind, tindakan juga dapat memiliki parameter lain seperti disableServiceLogs dan modelVersion.

Array hasil berisi hasil untuk tindakan input tersebut di mana setiap item juga memiliki bidang kind yang menentukan jenis hasilnya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Ekstraksi frasa kunci dan pengenalan entitas Pii

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)

Melakukan array (batch) tindakan pada dokumen input. Setiap tindakan memiliki bidang kind yang menentukan sifat tindakan. Lihat $AnalyzeBatchActionNames untuk daftar tindakan yang didukung. Selain kind, tindakan juga dapat memiliki parameter lain seperti disableServiceLogs dan modelVersion.

Array hasil berisi hasil untuk tindakan input tersebut di mana setiap item juga memiliki bidang kind yang menentukan jenis hasilnya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Ekstraksi frasa kunci dan pengenalan entitas Pii

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)

Membuat poller dari status serial poller lain. Ini dapat berguna ketika Anda ingin membuat poller pada host yang berbeda atau poller perlu dibangun setelah yang asli tidak berada dalam cakupan.

Detail Konstruktor

TextAnalysisClient(string, KeyCredential, TextAnalysisClientOptions)

Membuat instans TextAnalysisClient dengan titik akhir sumber daya Bahasa dan metode autentikasi seperti kunci API atau AAD.

Kunci API dan titik akhir dapat ditemukan di halaman Sumber daya Bahasa di portal Microsoft Azure. Mereka akan terletak di halaman Kunci dan Titik Akhir sumber daya, di bawah Manajemen Sumber Daya.

Contoh

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)

Parameter

endpointUrl

string

URL ke titik akhir sumber daya Cognitive Language Service

credential
KeyCredential

Kredensial kunci yang akan digunakan untuk mengautentikasi permintaan ke layanan.

options
TextAnalysisClientOptions

Digunakan untuk mengonfigurasi klien TextAnalytics.

TextAnalysisClient(string, TokenCredential, TextAnalysisClientOptions)

Membuat instans TextAnalysisClient dengan titik akhir sumber daya Bahasa dan metode autentikasi seperti kunci API atau AAD.

Kunci API dan titik akhir dapat ditemukan di halaman Sumber daya Bahasa di portal Microsoft Azure. Mereka akan terletak di halaman Kunci dan Titik Akhir sumber daya, di bawah Manajemen Sumber Daya.

Contoh

Lihat paket @azure/identity untuk informasi selengkapnya tentang mengautentikasi dengan Azure Active Directory.

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)

Parameter

endpointUrl

string

URL ke titik akhir sumber daya Cognitive Language Service

credential
TokenCredential

Kredensial token yang akan digunakan untuk mengautentikasi permintaan ke layanan.

options
TextAnalysisClientOptions

Digunakan untuk mengonfigurasi klien TextAnalytics.

Detail Metode

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

Menjalankan model prediktif untuk menentukan bahasa tempat string input yang diteruskan ditulis, dan mengembalikan, untuk masing-masing, bahasa yang terdeteksi serta skor yang menunjukkan keyakinan model bahwa bahasa yang disimpulkan sudah benar. Skor mendekati 1 menunjukkan kepastian tinggi dalam hasilnya. 120 bahasa didukung.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Deteksi bahasa

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;
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview untuk informasi selengkapnya tentang deteksi bahasa.

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

Parameter

actionName

ActionName

nama tindakan yang akan dilakukan pada dokumen input, lihat $AnalyzeActionName

documents

LanguageDetectionInput[]

dokumen input yang akan dianalisis

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

parameter dan pengaturan tindakan opsional untuk operasi

Mengembalikan

Promise<AnalyzeResult<ActionName>>

array hasil di mana setiap elemen berisi bahasa utama untuk dokumen input yang sesuai.

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

Menjalankan model prediktif untuk menentukan bahasa tempat string input yang diteruskan ditulis, dan mengembalikan, untuk masing-masing, bahasa yang terdeteksi serta skor yang menunjukkan keyakinan model bahwa bahasa yang disimpulkan sudah benar. Skor mendekati 1 menunjukkan kepastian tinggi dalam hasilnya. 120 bahasa didukung.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Deteksi bahasa

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;
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/language-detection/overview untuk informasi selengkapnya tentang deteksi bahasa.

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

Parameter

actionName

ActionName

nama tindakan yang akan dilakukan pada dokumen input, lihat $AnalyzeActionName

documents

string[]

dokumen input yang akan dianalisis

countryHint

string

Menunjukkan negara asal untuk semua string input untuk membantu model dalam memprediksi bahasa tempat mereka ditulis. Jika tidak ditentukan, nilai ini akan diatur ke petunjuk negara default di TextAnalysisClientOptions. Jika diatur ke string kosong, atau string "none", layanan akan menerapkan model di mana negara secara eksplisit tidak diatur. Petunjuk negara yang sama diterapkan ke semua string dalam koleksi input.

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

parameter dan pengaturan tindakan opsional untuk operasi

Mengembalikan

Promise<AnalyzeResult<ActionName>>

array hasil di mana setiap elemen berisi bahasa utama untuk dokumen input yang sesuai.

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

Menjalankan model prediktif untuk melakukan tindakan pilihan pada string input. Lihat $AnalyzeActionName untuk daftar tindakan yang didukung.

Tata letak setiap item dalam array hasil bergantung pada tindakan yang dipilih. Misalnya, setiap hasil dokumen PIIEntityRecognition terdiri dari entities dan redactedText di mana yang pertama adalah daftar semua entitas Pii dalam teks dan yang terakhir adalah teks asli setelah semua entitas Pii tersebut telah diredaksi darinya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Penggalian opini

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
        }
      }
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview untuk informasi selengkapnya tentang penambangan opini.

Informasi yang dapat diidentifikasi secara pribadi

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
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview untuk informasi selengkapnya tentang informasi identitas pribadi.

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

Parameter

actionName

ActionName

nama tindakan yang akan dilakukan pada dokumen input, lihat $AnalyzeActionName

documents

string[]

dokumen input yang akan dianalisis

languageCode

string

kode bahasa tempat semua string input ditulis. Jika tidak ditentukan, nilai ini akan diatur ke bahasa default dalam TextAnalysisClientOptions. Jika diatur ke string kosong, layanan akan menerapkan model di mana bahasa secara eksplisit diatur ke "Tidak Ada". Dukungan bahasa bervariasi per tindakan, misalnya, informasi selengkapnya tentang bahasa yang didukung untuk tindakan Pengenalan Entitas dapat ditemukan di https://docs.microsoft.com//azure/cognitive-services/language-service/named-entity-recognition/language-support. Jika diatur ke "otomatis", layanan akan secara otomatis menyimpulkan bahasa dari teks input.

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

parameter dan pengaturan tindakan opsional untuk operasi

Mengembalikan

Promise<AnalyzeResult<ActionName>>

array hasil yang sesuai dengan dokumen input

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

Menjalankan model prediktif untuk melakukan tindakan pilihan pada dokumen input. Lihat $AnalyzeActionName untuk daftar tindakan yang didukung.

Tata letak setiap item dalam array hasil bergantung pada tindakan yang dipilih. Misalnya, setiap hasil dokumen PIIEntityRecognition terdiri dari entities dan redactedText di mana yang pertama adalah daftar semua entitas Pii dalam teks dan yang terakhir adalah teks asli setelah semua entitas Pii tersebut telah diredaksi darinya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Penggalian opini

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
        }
      }
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/sentiment-opinion-mining/overview untuk informasi selengkapnya tentang penambangan opini.

Informasi yang dapat diidentifikasi secara pribadi

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
    }
  }
}

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/personally-identifiable-information/overview untuk informasi selengkapnya tentang informasi identitas pribadi.

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

Parameter

actionName

ActionName

nama tindakan yang akan dilakukan pada dokumen input, lihat $AnalyzeActionName

documents

TextDocumentInput[]

dokumen input yang akan dianalisis

options

AnalyzeActionParameters<ActionName> & TextAnalysisOperationOptions

parameter dan pengaturan tindakan opsional untuk operasi

Mengembalikan

Promise<AnalyzeResult<ActionName>>

array hasil yang sesuai dengan dokumen input

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

Melakukan array (batch) tindakan pada dokumen input. Setiap tindakan memiliki bidang kind yang menentukan sifat tindakan. Lihat $AnalyzeBatchActionNames untuk daftar tindakan yang didukung. Selain kind, tindakan juga dapat memiliki parameter lain seperti disableServiceLogs dan modelVersion.

Array hasil berisi hasil untuk tindakan input tersebut di mana setiap item juga memiliki bidang kind yang menentukan jenis hasilnya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Ekstraksi frasa kunci dan pengenalan entitas Pii

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>

Parameter

actions

AnalyzeBatchAction[]

array tindakan yang akan dijalankan pada dokumen input

documents

string[]

dokumen input yang akan dianalisis

languageCode

string

kode bahasa tempat semua string input ditulis. Jika tidak ditentukan, nilai ini akan diatur ke bahasa default dalam TextAnalysisClientOptions. Jika diatur ke string kosong, layanan akan menerapkan model di mana bahasa secara eksplisit diatur ke "Tidak Ada". Dukungan bahasa bervariasi per tindakan, misalnya, informasi selengkapnya tentang bahasa yang didukung untuk tindakan Pengenalan Entitas dapat ditemukan di https://docs.microsoft.com//azure/cognitive-services/language-service/named-entity-recognition/language-support. Jika diatur ke "otomatis", layanan akan secara otomatis menyimpulkan bahasa dari teks input.

options
BeginAnalyzeBatchOptions

pengaturan opsional untuk operasi

Mengembalikan

Promise<AnalyzeBatchPoller>

array hasil yang sesuai dengan tindakan input

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

Melakukan array (batch) tindakan pada dokumen input. Setiap tindakan memiliki bidang kind yang menentukan sifat tindakan. Lihat $AnalyzeBatchActionNames untuk daftar tindakan yang didukung. Selain kind, tindakan juga dapat memiliki parameter lain seperti disableServiceLogs dan modelVersion.

Array hasil berisi hasil untuk tindakan input tersebut di mana setiap item juga memiliki bidang kind yang menentukan jenis hasilnya.

Lihat https://docs.microsoft.com//azure/cognitive-services/language-service/concepts/data-limits untuk batas data.

Contoh

Ekstraksi frasa kunci dan pengenalan entitas Pii

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>

Parameter

actions

AnalyzeBatchAction[]

array tindakan yang akan dijalankan pada dokumen input

documents

TextDocumentInput[]

dokumen input yang akan dianalisis

options
BeginAnalyzeBatchOptions

pengaturan opsional untuk operasi

Mengembalikan

Promise<AnalyzeBatchPoller>

array hasil yang sesuai dengan tindakan input

restoreAnalyzeBatchPoller(string, RestoreAnalyzeBatchPollerOptions)

Membuat poller dari status serial poller lain. Ini dapat berguna ketika Anda ingin membuat poller pada host yang berbeda atau poller perlu dibangun setelah yang asli tidak berada dalam cakupan.

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

Parameter

serializedState

string

status serial poller lain. Ini adalah hasil dari poller.toString()

options
RestoreAnalyzeBatchPollerOptions

pengaturan opsional untuk operasi

Contoh

client.beginAnalyzeBatch mengembalikan janji yang akan diselesaikan ke poller. Status poller dapat diserialisasikan dan digunakan untuk membuat yang lain sebagai berikut:

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

Mengembalikan

Promise<AnalyzeBatchPoller>