Udostępnij za pośrednictwem


Wybieranie technologii przetwarzania języka docelowego sztucznej inteligencji platformy Azure

Usługi azure AI ułatwiają deweloperom i organizacjom szybkie tworzenie inteligentnych, najnowocześniejszych, gotowych na rynek i odpowiedzialnych aplikacji za pomocą gotowych do użycia i wstępnie utworzonych i dostosowywalnych interfejsów API i modeli.

W tym artykule opisano usługi Azure AI, które oferują docelowe funkcje przetwarzania języka, takie jak przetwarzanie języka naturalnego (NLP), analiza tekstu, interpretacja języka, tłumaczenie i wyodrębnianie danych dokumentów. Język sztucznej inteligencji platformy Azure to jedna z najszerszych kategorii usług sztucznej inteligencji platformy Azure. Interfejsy API w obciążeniu umożliwiają uwzględnienie funkcji językowych, takich jak rozpoznawanie jednostek nazwanych, analiza tonacji, wykrywanie języka i podsumowanie tekstu.

Usługi

Następujące usługi zapewniają docelowe możliwości przetwarzania języka dla usług Azure AI:

  • Język sztucznej inteligencji platformy Azure zapewnia przetwarzanie języka naturalnego na potrzeby analizy tekstu.

    • Użyj usługi językowej Azure AI, jeśli musisz pracować ze ustrukturyzowanymi lub nieustrukturyzowanymi dokumentami dla szerokiej gamy opisanych zadań związanych z językiem.
    • Nie używaj usługi językowej, jeśli musisz przeszukiwać dokumenty za pomocą czatu, sprawdzać je pod kątem bezpieczeństwa zawartości lub tłumaczyć.
  • Azure AI Translator to usługa tłumaczenia maszynowego. Może wykonywać tłumaczenie tekstu w czasie rzeczywistym, tłumaczenie dokumentów wsadowych i pojedynczych plików oraz niestandardowe tłumaczenia, które umożliwiają włączenie specjalistycznej terminologii lub języka specyficznego dla branży dla danego scenariusza. Obsługuje wiele języków.

    • Użyj usługi Translator, jeśli musisz wykonać tłumaczenie specjalnie. Chociaż można użyć innych modeli języka ogólnego przeznaczenia do tłumaczenia, użycie tłumacza do jego wyspecjalizowanego celu może okazać się bardziej niezawodne i może być bardziej opłacalne przy użyciu docelowych modeli tłumaczenia.
    • Nie używaj usługi Translator, jeśli potrzebujesz współpracować z czatem, analizować zawartość pod kątem tonacji lub con tryb namiotu ration. W przypadku analizy tonacji należy zamiast tego użyć usługi językowej. W przypadku usługi con tryb namiotu ration użyj usługi Bezpieczeństwo zawartości.
  • Azure AI Document Intelligence to usługa, która umożliwia konwertowanie obrazów bezpośrednio na formularze elektroniczne. Możesz określić oczekiwane pola, a następnie wyszukać obrazy, które udostępniasz, aby przechwycić te pola bez interwencji człowieka. Usługa hostuje wiele wstępnie utworzonych modeli, a także umożliwia tworzenie niestandardowych modeli formularzy własnych.

    • Użyj usługi Analizy dokumentów, gdy wiesz dokładnie, które pola należy wyodrębnić ze zeskanowanych dokumentów w celu odpowiedniego wypełniania formularzy elektronicznych.
    • Użyj analizy dokumentów, aby zidentyfikować kluczowe struktury (nagłówki, stopki, podziały rozdziałów itd.) w różnych korpusach dokumentów w celu dalszej programowej interakcji z dokumentem, na przykład w implementacji rozszerzonej generacji pobierania (RAG).
    • Nie używaj usługi Analizy dokumentów jako interfejsu API wyszukiwania w czasie rzeczywistym.

Język platformy Azure AI

Azure AI Language to oparta na chmurze usługa, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu. Ta usługa ułatwia tworzenie inteligentnych aplikacji przy użyciu internetowego programu Language Studio, interfejsów API REST i bibliotek klienckich.

Możliwości

Poniższa tabela zawiera listę możliwości dostępnych w usłudze językowej Azure AI.

Możliwość opis
Niestandardowe odpowiadanie na pytania Znajduje najbardziej odpowiednią odpowiedź na dane wejściowe od użytkowników i jest często używana do tworzenia aplikacji klienckich konwersacji, takich jak aplikacje mediów społecznościowych, czatboty i aplikacje klasyczne obsługujące mowę.
Niestandardowa klasyfikacja tekstu Służy do tworzenia niestandardowych modeli sztucznej inteligencji w celu klasyfikowania dokumentów tekstowych bez struktury do zdefiniowanych klas niestandardowych.
Informacje o języku konwersacyjnym (CLU) Służy do tworzenia niestandardowych modeli interpretacji języka naturalnego, aby przewidzieć ogólną intencję przychodzącej wypowiedzi i wyodrębnić z niej ważne informacje.
Łączenie jednostek Zdezambiguje tożsamość jednostek (słów lub fraz) znalezionych w tekście bez struktury i zwraca linki do Wikipedii.
Wykrywanie języka Wykrywa język, w jakim dokument jest napisany, i zwraca kod języka dla szerokiego zakresu języków, wariantów, dialektów i niektórych języków regionalnych/kulturowych.
Wyodrębnianie kluczowych fraz Ocenia i zwraca główne pojęcia w tekście bez struktury i zwraca je jako listę.
Rozpoznawanie nazwanych jednostek (NER) Kategoryzuje jednostki (wyrazy lub frazy) w tekście bez struktury w kilku wstępnie zdefiniowanych grupach kategorii. Na przykład: osoby, wydarzenia, miejsca, daty i inne.
Przepływ pracy orkiestracji Użyj polecenia , aby połączyć usługę Conversational Language Understanding (CLU).
Identyfikowanie danych osobowych (PII) i wykrywanie informacji o kondycji (PHI) Identyfikuje, kategoryzuje i redaguje poufne informacje zarówno w dokumentach tekstowych bez struktury, jak i transkrypcjach konwersacji. Na przykład: numery telefonów, adresy e-mail, formy identyfikacji i nie tylko.
Analiza tonacji i wyszukiwania opinii Pomóż dowiedzieć się, co ludzie myślą o twojej marce lub temacie, wyszukując tekst zawierający wskazówki dotyczące pozytywnej lub negatywnej tonacji, i mogą skojarzyć je z określonymi aspektami tekstu.
Podsumowania Używa podsumowania tekstu wyodrębnianego w celu utworzenia podsumowania dokumentów i transkrypcji konwersacji. Wyodrębnia zdania, które łącznie reprezentują najważniejsze lub istotne informacje w oryginalnej zawartości.
Analiza tekstu pod kątem kondycji Wyodrębnia i etykiety istotne informacje medyczne z nieustrukturyzowanych tekstów, takich jak notatki lekarza, podsumowania wypisów, dokumenty kliniczne i elektroniczne dokumenty zdrowotne. Podczas projektowania obciążenia oceń lokalizację przetwarzania i miejsce przechowywania danych tej funkcji hostowanej w chmurze, aby upewnić się, że jest ona zgodna z oczekiwaniami dotyczącymi zgodności. Niektóre obciążenia mogą być ograniczone do ich pojemności w celu wysyłania danych opieki zdrowotnej do platformy hostowanej w chmurze. Tego interfejsu API można użyć jako kontenera platformy Docker do hostowania we własnych obliczeniach w chmurze lub lokalnie, co może pomóc w rozwiązaniu problemów ze zgodnością związanych z usługą PaaS. Aby uzyskać więcej informacji, zobacz Use analiza tekstu for health containers (Używanie analiza tekstu dla kontenerów kondycji)

Przypadki użycia

Poniższa tabela zawiera listę możliwych przypadków użycia dla usługi językowej Azure AI.

Przypadek użycia Konfigurowalny*
Przewidywanie intencji danych wejściowych użytkownika i wyodrębnianie z nich informacji. Tak
Zidentyfikuj i/lub zredaguj poufne informacje, takie jak dane osobowe.
Zidentyfikuj język, w jakim został napisany tekst.
Wyodrębnianie informacji medycznych z dokumentów klinicznych/medycznych bez tworzenia modelu
Wyodrębnij informacje medyczne z dokumentów klinicznych/medycznych przy użyciu modelu, który jest trenowany na danych. Tak
Wyodrębnij kategorie informacji bez tworzenia modelu niestandardowego.
Wyodrębnij kategorie informacji przy użyciu modelu specyficznego dla danych. Tak
Wyodrębnij główne tematy i ważne frazy.
Podsumowanie dokumentu
Klasyfikowanie tekstu przy użyciu analizy tonacji. Tak
Klasyfikowanie tekstu przy użyciu klas niestandardowych. Tak
Klasyfikuj elementy do kategorii podanych w czasie wnioskowania.
Łączenie jednostki z artykułami baza wiedzy.
Zapoznaj się z pytaniami i odpowiedziami (ogólnymi). Tak
Utwórz aplikację konwersacyjną, która odpowiada na dane wejściowe użytkownika.
Łączenie aplikacji z interpretacji języka konwersacyjnego i odpowiadania na pytania. Tak

*Jeśli funkcja jest dostosowywalna, możesz wytrenować model AI przy użyciu naszych narzędzi, aby dopasować dane specjalnie. W przeciwnym razie funkcja jest wstępnie skonfigurowana, co oznacza, że nie można zmienić używanych modeli sztucznej inteligencji. Wystarczy wysłać dane i użyć danych wyjściowych funkcji w aplikacjach.

Azure AI Translator

Azure AI Translator to usługa tłumaczenia maszynowego, która jest częścią rodziny usług Azure AI. Translator obsługuje wiele produktów i usług firmy Microsoft.

Możliwości

Poniższa tabela zawiera listę funkcji dostępnych w usłudze Azure AI Translator.

Możliwość opis
Tłumaczenie tekstu Wykonywanie tłumaczenia tekstu między obsługiwanymi językami źródłowymi i docelowymi w czasie rzeczywistym. Utwórz słownik dynamiczny i dowiedz się, jak zapobiegać tłumaczeniom przy użyciu interfejsu API usługi Translator.
Tłumaczenie dokumentu Asynchroniczne tłumaczenie wsadowe: tłumaczenie plików wsadowych i złożonych przy zachowaniu struktury i formatu oryginalnych dokumentów. Proces tłumaczenia wsadowego wymaga konta usługi Azure Blob Storage z kontenerami dla dokumentów źródłowych i przetłumaczonych.
Synchroniczne tłumaczenie pojedynczego pliku: tłumaczenie pojedynczego pliku dokumentu samodzielnie lub za pomocą pliku słownika przy zachowaniu struktury i formatu oryginalnego dokumentu. Proces tłumaczenia plików nie wymaga konta usługi Azure Blob Storage. Ostateczna odpowiedź zawiera przetłumaczony dokument i jest zwracana bezpośrednio do klienta wywołującego.
Translator niestandardowy Twórz dostosowane modele do tłumaczenia języka, terminologii i stylu specyficznego dla domeny i branży. Utwórz słownik (frazę lub zdanie) dla tłumaczeń niestandardowych.

Przypadki użycia

Poniższa tabela zawiera listę możliwych przypadków użycia usługi Azure AI Translator.

Przypadek użycia Dokumentacja
Tłumaczenie tekstu specyficznego dla branży. AI Services Custom Translator
Tłumaczenie tekstu ogólnego, który nie jest specyficzny dla branży. Co to jest tłumaczenie tekstu na platformie Azure

Usługa Azure AI Document Intelligence

Azure AI Language to oparta na chmurze usługa, która udostępnia funkcje przetwarzania języka naturalnego (NLP) do zrozumienia i analizowania tekstu. Ta usługa ułatwia tworzenie inteligentnych aplikacji przy użyciu internetowego programu Language Studio, interfejsów API REST i bibliotek klienckich.

Możliwości

Poniższa tabela zawiera listę niektórych funkcji dostępnych w usłudze AI Document Intelligence.

Możliwość opis
Wyodrębnianie wizytówek Model wizytówek analizy dokumentów łączy funkcje optycznego rozpoznawania znaków (OCR) z modelami uczenia głębokiego w celu analizowania i wyodrębniania danych z obrazów wizytówek. Interfejs API analizuje drukowane wizytówki; Wyodrębnia kluczowe informacje, takie jak imię, nazwisko, nazwisko, nazwa firmy, adres e-mail i numer telefonu; funkcja zwraca ustrukturyzowaną reprezentację danych JSON.
Wyodrębnianie modelu kontraktu Model kontraktu analizy dokumentów używa funkcji optycznego rozpoznawania znaków (OCR) do analizowania i wyodrębniania kluczowych pól i elementów liniowych z wybranej grupy ważnych jednostek kontraktu. Kontrakty mogą mieć różne formaty i jakość, w tym obrazy przechwycone przez telefon, zeskanowane dokumenty i cyfrowe pliki PDF. Interfejs API analizuje tekst dokumentu; wyodrębnia kluczowe informacje, takie jak Strony, Jurysdykcje, Identyfikator umowy i Tytuł; funkcja zwraca ustrukturyzowaną reprezentację danych JSON. Model obsługuje obecnie formaty dokumentów w języku angielskim.
Wyodrębnianie kart kredytowych Model karty kredytowej/debetowej analizy dokumentów używa funkcji optycznego rozpoznawania znaków (OCR) do analizowania i wyodrębniania kluczowych pól z kart kredytowych i debetowych. Karty kredytowe i karty debetowe mogą mieć różne formaty i jakość, w tym obrazy przechwycone przez telefon, zeskanowane dokumenty i cyfrowe pliki PDF. Interfejs API analizuje tekst dokumentu; wyodrębnia kluczowe informacje, takie jak numer karty, bank wystawiający i data wygaśnięcia; funkcja zwraca ustrukturyzowaną reprezentację danych JSON. Model obsługuje obecnie formaty dokumentów w języku angielskim.
Wyodrębnianie kart ubezpieczenia zdrowotnego Model karty ubezpieczenia zdrowotnego analizy dokumentów łączy funkcje optycznego rozpoznawania znaków (OCR) z modelami uczenia głębokiego w celu analizowania i wyodrębniania kluczowych informacji z amerykańskich kart ubezpieczeniowych. Karta ubezpieczenia zdrowotnego jest kluczowym dokumentem do przetwarzania opieki i może być cyfrowo analizowana pod kątem dołączania pacjentów, informacji o pokryciu finansowym, płatności bezgotówkowych i przetwarzania roszczeń ubezpieczeniowych. Model karty ubezpieczenia zdrowotnego analizuje obrazy kart zdrowotnych; wyodrębnia kluczowe informacje, takie jak ubezpieczyciel, członek, recepta i numer grupy; funkcja zwraca ustrukturyzowaną reprezentację JSON. Karty ubezpieczenia zdrowotnego można prezentować w różnych formatach i jakości, w tym obrazach przechwyconych przez telefon, zeskanowanych dokumentach i cyfrowych plikach PDF.
Wyodrębnianie dokumentów podatkowych w USA Model kontraktu analizy dokumentów używa funkcji optycznego rozpoznawania znaków (OCR) do analizowania i wyodrębniania kluczowych pól i elementów liniowych z wybranej grupy dokumentów podatkowych. Dokumenty podatkowe mogą mieć różne formaty i jakość, w tym obrazy przechwycone przez telefon, zeskanowane dokumenty i cyfrowe pliki PDF. Interfejs API analizuje tekst dokumentu; Wyodrębnia kluczowe informacje, takie jak nazwa klienta, adres rozliczeniowy, data ukończenia i kwota należna; funkcja zwraca ustrukturyzowaną reprezentację danych JSON. Model obsługuje obecnie niektóre angielskie formaty dokumentów podatkowych.
Wiele innych... Usługa Azure AI Document Intelligence obsługuje szeroką gamę modeli, które umożliwiają dodawanie inteligentnego przetwarzania dokumentów do aplikacji i przepływów. Możesz użyć wstępnie utworzonego modelu specyficznego dla domeny lub wytrenować model niestandardowy dostosowany do konkretnych potrzeb biznesowych i przypadków użycia. Analiza dokumentów może być używana z interfejsem API REST lub bibliotekami klienta języka Python, C#, Java i JavaScript.

Aby dowiedzieć się więcej o tym, jak wybrać model, który działa w danym scenariuszu, zobacz Który model powinienem wybrać?

Następne kroki