Bagikan melalui

Pustaka klien Azure Text Analysis untuk JavaScript - versi 1.1.0

  • Artikel

Azure Cognitive Service for Language adalah layanan berbasis cloud yang menyediakan pemrosesan bahasa alami tingkat lanjut melalui teks mentah, dan mencakup fitur utama berikut:

Catatan: SDK ini menargetkan Azure Cognitive Service untuk Language API versi 2023-04-01.

  • Deteksi Bahasa
  • Analisis Sentimen
  • Ekstraksi Frasa Kunci
  • Pengenalan Entitas
  • Pengenalan Informasi Pengidentifikasi Pribadi
  • Penautan Entitas
  • Analisis Layanan Kesehatan
  • Ringkasan Ekstraktif
  • Ringkasan Abstraktif
  • Pengenalan Entitas Kustom
  • Klasifikasi Dokumen Kustom
  • Mendukung Beberapa Tindakan Per Dokumen

Gunakan pustaka klien untuk:

  • Deteksi teks input bahasa apa yang ditulis.
  • Tentukan pendapat pelanggan tentang merek atau topik Anda dengan menganalisis teks mentah untuk petunjuk tentang sentimen positif atau negatif.
  • Ekstrak frasa kunci secara otomatis untuk mengidentifikasi poin utama dengan cepat.
  • Identifikasi dan kategorikan entitas dalam teks Anda sebagai orang, tempat, organisasi, tanggal/waktu, jumlah, persentase, mata uang, spesifik layanan kesehatan, dan banyak lagi.
  • Lakukan beberapa tugas di atas sekaligus.

Tautan utama:

Migrasi dari @azure/ai-text-analytics penasihat⚠️

Silakan lihat Panduan Migrasi untuk instruksi terperinci tentang cara memperbarui kode aplikasi dari versi 5.x dari pustaka klien AI Text Analytics ke pustaka klien Teks Bahasa AI baru.

Apa yang baru

Memulai

Lingkungan yang didukung saat ini

Lihat kebijakan dukungan kami untuk detail selengkapnya.

Prasyarat

Jika Anda menggunakan Azure CLI, ganti <your-resource-group-name> dan <your-resource-name> dengan nama unik Anda sendiri:

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

Pasang paket @azure/ai-language-text

Instal pustaka klien Azure Text Analysis untuk JavaScript dengan npm:

npm install @azure/ai-language-text

Membuat dan mengautentikasi TextAnalysisClient

Untuk membuat objek klien untuk mengakses LANGUAGE API, Anda memerlukan endpoint sumber daya Bahasa dan credential. Klien Analisis Teks dapat menggunakan kredensial Azure Active Directory atau kredensial kunci API untuk mengautentikasi.

Anda dapat menemukan titik akhir untuk sumber daya Bahasa Anda baik di Portal Microsoft Azure atau dengan menggunakan cuplikan Azure CLI di bawah ini:

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

Menggunakan Kunci API

Gunakan Portal Microsoft Azure untuk menelusuri ke sumber daya Bahasa Anda dan mengambil kunci API, atau gunakan cuplikan Azure CLI di bawah ini:

Catatan: Terkadang kunci API disebut sebagai "kunci langganan" atau "kunci API langganan."

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

Setelah Anda memiliki kunci API dan titik akhir, Anda dapat menggunakan AzureKeyCredential kelas untuk mengautentikasi klien sebagai berikut:

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

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

Menggunakan Kredensial Azure Active Directory

Autentikasi kunci API klien digunakan di sebagian besar contoh, tetapi Anda juga dapat mengautentikasi dengan Azure Active Directory menggunakan pustaka Azure Identity. Untuk menggunakan penyedia DefaultAzureCredential yang ditunjukkan di bawah ini, atau penyedia kredensial lain yang disediakan dengan Azure SDK, instal @azure/identity paket:

npm install @azure/identity

Anda juga perlu mendaftarkan aplikasi AAD baru dan memberikan akses ke Bahasa dengan menetapkan "Cognitive Services User" peran ke perwakilan layanan Anda (catatan: peran lain seperti "Owner" tidak akan memberikan izin yang diperlukan, hanya "Cognitive Services User" cukup untuk menjalankan contoh dan kode sampel).

Atur nilai ID klien, ID penyewa, dan rahasia klien aplikasi AAD sebagai variabel lingkungan: AZURE_CLIENT_ID, , AZURE_TENANT_IDAZURE_CLIENT_SECRET.

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

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

Konsep utama

TextAnalysisClient

TextAnalysisClient adalah antarmuka utama untuk pengembang yang menggunakan pustaka klien Analisis Teks. Jelajahi metode pada objek klien ini untuk memahami berbagai fitur layanan Bahasa yang dapat Anda akses.

Input

Dokumen mewakili satu unit input yang akan dianalisis oleh model prediktif dalam layanan Bahasa. Operasi pada TextAnalysisClient mengambil kumpulan input untuk dianalisis sebagai batch. Metode operasi memiliki kelebihan beban yang memungkinkan input direpresentasikan sebagai string, atau sebagai objek dengan metadata terlampir.

Misalnya, setiap dokumen dapat diteruskan sebagai string dalam array, misalnya.

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

atau, jika Anda ingin meneruskan dokumen id per item atau languagecountryHint/, dokumen tersebut dapat diberikan sebagai daftar TextDocumentInput atau DetectLanguageInput tergantung pada operasi;

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!" },
];

Lihat batasan layanan untuk input, termasuk batas panjang dokumen, ukuran batch maksimum, dan pengodean teks yang didukung.

Tampilkan Nilai

Nilai yang dikembalikan yang terkait dengan satu dokumen adalah hasil yang berhasil atau objek kesalahan. Setiap TextAnalysisClient metode mengembalikan array hasil dan kesalahan heterogen yang sesuai dengan input menurut indeks. Input teks dan hasilnya akan memiliki indeks yang sama dalam kumpulan input dan hasil.

Hasilnya, seperti SentimentAnalysisResult, adalah hasil dari operasi Bahasa, yang berisi prediksi atau prediksi tentang input teks tunggal. Jenis hasil operasi juga dapat secara opsional menyertakan informasi tentang dokumen input dan cara pemrosesannya.

Objek kesalahan , TextAnalysisErrorResult, menunjukkan bahwa layanan mengalami kesalahan saat memproses dokumen dan berisi informasi tentang kesalahan.

Penanganan Kesalahan Dokumen

Dalam koleksi yang dikembalikan oleh operasi, kesalahan dibedakan dari respons yang berhasil dengan keberadaan error properti , yang berisi objek dalam TextAnalysisError jika terjadi kesalahan. Untuk objek hasil yang berhasil, properti ini selaluundefined.

Misalnya, untuk memfilter semua kesalahan, Anda dapat menggunakan yang berikut:filter

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

Catatan: Pengguna TypeScript dapat memperoleh manfaat dari pemeriksaan jenis objek hasil dan kesalahan yang lebih baik jika compilerOptions.strictNullChecks diatur ke true dalam tsconfig.json konfigurasi. Contohnya:

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);
}

Sampel

Penggunaan Klien

Tugas Bawaan

Tugas Kustom

Pemecahan Masalah

Pencatatan

Mengaktifkan pengelogan dapat membantu menemukan informasi yang berguna tentang kegagalan. Untuk melihat log permintaan dan respons HTTP, atur variabel lingkungan AZURE_LOG_LEVEL ke info. Atau, pengelogan dapat diaktifkan saat runtime dengan memanggil setLogLevel di @azure/logger:

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

setLogLevel("info");

Untuk instruksi lebih rinci tentang cara mengaktifkan log, Anda dapat melihat dokumen paket @azure/pencatat.

Langkah berikutnya

Silakan lihat direktori sampel untuk contoh terperinci tentang cara menggunakan pustaka ini.

Berkontribusi

Jika Anda ingin berkontribusi pada pustaka ini, baca panduan berkontribusi untuk mempelajari selengkapnya tentang cara membuat dan menguji kode.

Tayangan