Guida introduttiva: riepilogo personalizzato (anteprima)

Considerare questo articolo per iniziare a creare un progetto di riepilogo personalizzato in cui è possibile eseguire il training di modelli personalizzati in Riepilogo. Un modello è un software di intelligenza artificiale sottoposto a training per eseguire una determinata attività. Per questo sistema i modelli fanno il riepilogo del testo e vengono sottoposti a training imparando dai dati importati.

In questo articolo viene utilizzato Language Studio per illustrare i concetti chiave del riepilogo personalizzato. Ad esempio, verrà creato un modello di riepilogo personalizzato per estrarre la posizione della struttura o del trattamento a partire da brevi note relative alla cartella clinica delle dimissioni.

Prerequisiti

• Sottoscrizione di Azure: creare un account gratuito

Creare una nuova risorsa di Lingua di Azure AI e un account di archiviazione di Azure

Prima di poter usare il riepilogo personalizzato, è necessario creare una risorsa di Lingua di Azure AI che fornirà le credenziali necessarie per creare un progetto e avviare il training di un modello. È anche necessario un account di archiviazione di Azure, in cui caricare il set di dati che verrà usato per compilare il modello.

Importante

Per iniziare rapidamente, è consigliabile creare una nuova risorsa di Lingua di Azure AI seguendo la procedura descritta in questo articolo. La procedura descritta in questo articolo consentirà di creare contemporaneamente la risorsa linguistica e l'account di archiviazione, un'operazione che risulta più semplice rispetto all'eseguirla in un secondo momento.

Creare una nuova risorsa dal portale di Azure

1. Accedere al portale di Azure per creare una nuova risorsa di Lingua di Azure AI.

2. Nella finestra visualizzata selezionare questo servizio dalle funzionalità personalizzate. Selezionare Continua per creare la risorsa nella parte inferiore dello schermo.

   

3. Creare una risorsa linguistica con i dettagli seguenti.

   Nome	Descrizione
   Abbonamento	La sottoscrizione di Azure.
   Gruppo di risorse	Un gruppo di risorse di Azure che conterrà la risorsa. È possibile usarne uno esistente o crearne uno nuovo.
   Area	L’area della risorsa Lingua. Ad esempio, "Stati Uniti occidentali 2".
   Nome	Un nome per la risorsa.
   Piano tariffario	Il piano tariffario per la risorsa Lingua. Per provare il servizio, è possibile usare il livello gratuito (F0).

   Nota

   Se viene visualizzato un messaggio che indica che “l'account di accesso non è un proprietario del gruppo di risorse dell'account di archiviazione selezionato”, è necessario assegnare all'account un ruolo di proprietario nel gruppo di risorse per poter creare una risorsa linguistica. Per assistenza contattare il proprietario della sottoscrizione di Azure.

4. Nella sezione del servizio selezionare un account di archiviazione esistente o selezionare Nuovo account di archiviazione. Questi valori consentono di iniziare senza usare necessariamente i valori dell'account di archiviazione usati in ambienti di produzione. Per evitare la latenza durante la creazione del progetto, connettersi agli account di archiviazione nella stessa area della risorsa linguistica.

   Valore dell'account di archiviazione	Valore consigliato
   Nome account di archiviazione	Qualsiasi nome
   Storage account type	LRS Standard

5. Accertarsi che sia selezionata l’opzione Avviso intelligenza artificiale responsabile. Selezionare Rivedi e crea nella parte inferiore della pagina, quindi selezionare Crea.

Scaricare i dati di esempio

Se sono necessari dati di esempio, ne sono stati forniti alcuni per riepilogo di testo e scenari di riepilogo delle conversazioni ai fini di questo avvio rapido.

Caricare dati di esempio in un contenitore BLOB

1. Individuare i file da caricare nell'account di archiviazione

2. Nel portale di Azure passare all'account di archiviazione creato e selezionarlo.

3. Nell'account di archiviazione selezionare Contenitori nel menu a sinistra, sotto Archiviazione dati. Nella schermata visualizzata selezionare + Contenitore. Assegnare al contenitore il nome example-data e lasciare il livello di accesso pubblico predefinito.

   

4. Dopo aver creato il contenitore, selezionarlo. Selezionare quindi il pulsante Carica per selezionare i file .txt e .json scaricati in precedenza.

   

Creare un progetto di riepilogo personalizzato

Dopo aver configurato la risorsa e l'account di archiviazione, creare un nuovo progetto di riepilogo personalizzato. Un progetto è un'area di lavoro per la creazione di modelli di Machine Learning personalizzati sulla base dei propri dati. L'accesso al progetto può essere eseguito solo dall'utente e da altri utenti che hanno accesso alla risorsa linguistica usata.

1. Accedere a Language Studio. Verrà visualizzata una finestra che consente di selezionare la sottoscrizione e la risorsa linguistica. Selezionare la risorsa linguistica creata nel passaggio precedente.

2. Selezionare la funzionalità da usare in Language Studio.

3. Selezionare Crea nuovo progetto dal menu in alto nella pagina dei progetti. La creazione di un progetto consente di etichettare i dati, eseguire il training, valutare, migliorare e distribuire i modelli.

   

4. Immettere le informazioni sul progetto, inclusi un nome, una descrizione e la lingua dei file nel progetto. Se si usa il set di dati di esempio, selezionare Inglese. Non è possibile modificare il nome del progetto in un secondo momento. Selezionare Avanti.

   Suggerimento

   Il set di dati non deve essere tutto nella stessa lingua. È possibile avere più documenti, ognuno con diverse lingue supportate. Se il set di dati contiene documenti in lingue diverse o se si prevede testo in lingue diverse durante il runtime, selezionare l’opzione Abilita set di dati multilingue quando si immettono le informazioni di base per il progetto. Questa opzione può essere abilitata in un secondo momento dalla pagina Impostazioni progetto.

5. Dopo aver fatto clic su Crea nuovo progetto, verrà visualizzata una finestra per consentire la connessione dell'account di archiviazione. Se è già stato connesso un account di archiviazione, verrà visualizzato l'account di archiviazione connesso. In caso contrario, scegliere l'account di archiviazione dall'elenco a discesa visualizzato e selezionare Connetti account di archiviazione. Verranno impostati i ruoli necessari per l'account di archiviazione. Questo passaggio potrebbe restituire un errore se all’utente non è assegnato il ruolo di proprietario nell'account di archiviazione.

   Nota

   • È necessario eseguire questo passaggio una sola volta per ogni nuova risorsa usata.
   • Questo processo è irreversibile, per cui se si connette un account di archiviazione a una risorsa linguistica, non sarà possibile disconnetterlo in un secondo momento.
   • È possibile connettere una risorsa linguistica a un solo account di archiviazione.

6. Selezionare il contenitore in cui è stato caricato il set di dati.

7. Se i dati sono già stati etichettati, accertarsi che seguano il formato supportato e selezionare Sì, i file sono già etichettati e il file di etichette JSON è formattato, quindi selezionare il file di etichette dal menu a discesa. Selezionare Avanti. Se si usa il set di dati dell’avvio rapido, non è necessario rivedere la formattazione del file di etichette JSON.

8. Esaminare i dati immessi e selezionare Crea progetto.

Eseguire il training del modello

Dopo aver creato un progetto, procedere e avviare il training del modello.

Per avviare il training del modello da Language Studio:

1. Selezionare Processi di training dal menu a sinistra.

2. Selezionare Avvia un processo di training dal menu in alto.

3. Selezionare Esegui il training di un nuovo modello e digitare il nome del modello nella casella di testo. Si può anche sovrascrivere un modello esistente selezionando questa opzione e scegliendo il modello da sovrascrivere dal menu a discesa. La sovrascrittura di un modello sottoposto a training è irreversibile, ma non influisce sui modelli distribuiti fino a quando non si distribuisce il nuovo modello.

   

4. Per impostazione predefinita, il sistema suddividerà i dati etichettati tra i set di training e di test, in base alle percentuali specificate. Se sono presenti documenti nel set di test, è possibile suddividere manualmente i dati di training e test.

5. Selezionare il pulsante Esegui il training.

6. Se si seleziona l'ID del processo di training dall'elenco, viene visualizzato un riquadro laterale in cui è possibile controllare lo stato di avanzamento del training, lo stato del processo e altri dettagli relativi a questo processo.

   Nota

   • Solo i processi di training completati correttamente genereranno modelli.
   • Il training può richiedere tempo, da un paio di minuti a diverse ore, in base alle dimensioni dei dati etichettati.
   • È possibile eseguire un solo processo di training alla volta. Non è possibile avviare altri processi di training nello stesso progetto fino al completamento del processo in esecuzione.

Distribuire il modello

In genere dopo il training di un modello si dovrebbero esaminare i relativi dettagli di valutazione e apportare dei miglioramenti, se necessario. In questa guida introduttiva si distribuirà semplicemente il modello e lo si renderà disponibile per provarlo in Language Studio.

Per distribuire il modello da Language Studio:

1. Selezionare Distribuzione di un modello nel menu a sinistra.

2. Selezionare Aggiungi distribuzione per avviare un nuovo processo di distribuzione.

   

3. Selezionare Crea nuova distribuzione per creare una nuova distribuzione e assegnare un modello sottoposto a training dall'elenco a discesa seguente. Si può sovrascrivere una distribuzione esistente selezionando questa opzione e selezionando il modello sottoposto a training che si vuole assegnare a questa dall'elenco a discesa seguente.

   Nota

   La sovrascrittura di una distribuzione esistente non richiede modifiche alla chiamata dell'API di stima, ma i risultati ottenuti saranno basati sul modello appena assegnato.

   

4. Fare clic su Distribuisci per avviare il processo di distribuzione.

5. Al termine della distribuzione verrà visualizzata una data di scadenza. La scadenza della distribuzione si riferisce alla data in cui il modello distribuito non sarà disponibile per la previsione, che in genere si verifica dodici mesi dopo la scadenza di una configurazione di training.

Testare il modello

Per questa guida introduttiva si userà Language Studio per inviare l'attività di riepilogo personalizzato e visualizzare i risultati. Nel set di dati di esempio scaricato in precedenza è possibile trovare alcuni documenti di test che è possibile usare in questo passaggio.

Per testare i modelli distribuiti da Language Studio:

1. Selezionare Test delle distribuzioni dal menu a sinistra.

2. Selezionare la distribuzione da testare. È possibile testare solo i modelli assegnati alle distribuzioni.

3. Per i progetti multilingue, nell'elenco a discesa lingua selezionare la lingua del testo di cui si esegue il test.

4. Selezionare dall'elenco a discesa la distribuzione di cui si intende eseguire la query/il test.

5. È possibile immettere il testo da inviare alla richiesta o caricare un file .txt da usare.

6. Selezionare Esegui il test dal menu in alto.

7. Nella scheda Risultato, è possibile visualizzare le entità estratte dal testo e i relativi tipi. È anche possibile visualizzare la risposta JSON nella scheda JSON.

Pulire le risorse

Quando il progetto non è più necessario, è possibile eliminare il progetto usando Language Studio. Selezionare la funzionalità in uso nella parte superiore, quindi selezionare il progetto da eliminare. Per eliminare il cluster, selezionare Elimina dal menu in alto.

Passaggi successivi

• Panoramica del riepilogo