Udostępnij za pośrednictwem

Biblioteka klienta analizy tekstu platformy Azure dla języka JavaScript — wersja 1.1.0

  • Artykuł

Azure Cognitive Service for Language to usługa oparta na chmurze, która zapewnia zaawansowane przetwarzanie języka naturalnego w nieprzetworzonym tekście i obejmuje następujące główne funkcje:

Uwaga: Ten zestaw SDK jest przeznaczony dla usługi Azure Cognitive Service dla interfejsu API języka w wersji 2023-04-01.

  • Wykrywanie języka
  • Analiza tonacji
  • Wyodrębnianie kluczowych fraz
  • Rozpoznawanie jednostek nazwanych
  • Rozpoznawanie danych osobowych
  • Łączenie jednostek
  • Analiza opieki zdrowotnej
  • Podsumowanie wyodrębniające
  • Podsumowanie abstrakcyjne
  • Niestandardowe rozpoznawanie jednostek
  • Niestandardowa klasyfikacja dokumentów
  • Obsługa wielu akcji na dokument

Użyj biblioteki klienta, aby:

  • Wykryj, w jakim języku jest zapisywany tekst wejściowy.
  • Określ, co klienci myślą o twojej marce lub temacie, analizując nieprzetworzone tekst pod kątem wskazówek dotyczących pozytywnych lub negatywnych tonacji.
  • Automatycznie wyodrębniaj kluczowe frazy, aby szybko identyfikować główne punkty.
  • Identyfikowanie i kategoryzowanie jednostek w tekście jako osób, miejsc, organizacji, daty/godziny, ilości, wartości procentowych, walut, specyficznych dla opieki zdrowotnej i nie tylko.
  • Wykonaj wiele powyższych zadań jednocześnie.

Kluczowe linki:

Migrowanie z @azure/ai-text-analytics poradami⚠️

Aby uzyskać szczegółowe instrukcje dotyczące aktualizowania kodu aplikacji z wersji 5.x biblioteki klienta usługi AI analiza tekstu biblioteki klienta, zobacz przewodnik migracji do nowej biblioteki klienta tekstu języka sztucznej inteligencji.

Nowości

Wprowadzenie

Obecnie obsługiwane środowiska

Aby uzyskać więcej informacji, zobacz nasze zasady pomocy technicznej .

Wymagania wstępne

Jeśli używasz interfejsu wiersza polecenia platformy Azure, zastąp <your-resource-group-name> ciąg i <your-resource-name> własnymi unikatowymi nazwami:

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

Instalowanie pakietu @azure/ai-language-text

Zainstaluj bibliotekę klienta analizy tekstu platformy Azure dla języka JavaScript przy użyciu polecenia npm:

npm install @azure/ai-language-text

Tworzenie i uwierzytelnianie TextAnalysisClient

Aby utworzyć obiekt klienta w celu uzyskania dostępu do interfejsu API języka, potrzebny endpoint będzie zasób Language i .credential Klient analizy tekstu może używać poświadczeń usługi Azure Active Directory lub poświadczeń klucza interfejsu API do uwierzytelniania.

Punkt końcowy zasobu Language można znaleźć w witrynie Azure Portal lub przy użyciu poniższego fragmentu wiersza polecenia platformy Azure :

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

Używanie klucza interfejsu API

Użyj witryny Azure Portal , aby przejść do zasobu Language i pobrać klucz interfejsu API lub użyć poniższego fragmentu kodu interfejsu wiersza polecenia platformy Azure :

Uwaga: Czasami klucz interfejsu API jest nazywany "kluczem subskrypcji" lub "kluczem interfejsu API subskrypcji".

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

Po utworzeniu klucza interfejsu AzureKeyCredential API i punktu końcowego możesz użyć klasy do uwierzytelnienia klienta w następujący sposób:

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

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

Używanie poświadczeń usługi Azure Active Directory

Uwierzytelnianie klucza interfejsu API klienta jest używane w większości przykładów, ale można również uwierzytelnić się w usłudze Azure Active Directory przy użyciu biblioteki tożsamości platformy Azure. Aby użyć dostawcy DefaultAzureCredential pokazanego poniżej lub innych dostawców poświadczeń dostarczonych z zestawem Azure SDK, zainstaluj @azure/identity pakiet:

npm install @azure/identity

Należy również zarejestrować nową aplikację usługi AAD i udzielić dostępu do języka, przypisując "Cognitive Services User" rolę do jednostki usługi (uwaga: inne role, takie jak "Owner" nie będą udzielać niezbędnych uprawnień, wystarczy "Cognitive Services User" uruchomić przykłady i przykładowy kod).

Ustaw wartości identyfikatora klienta, identyfikatora dzierżawy i wpisu tajnego klienta aplikacji usługi AAD jako zmienne środowiskowe: AZURE_CLIENT_ID, , AZURE_CLIENT_SECRETAZURE_TENANT_ID.

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

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

Kluczowe pojęcia

TextAnalysisClient

TextAnalysisClient jest podstawowym interfejsem dla deweloperów korzystających z biblioteki klienta analizy tekstu. Zapoznaj się z metodami w tym obiekcie klienta, aby zrozumieć różne funkcje usługi językowej, do których możesz uzyskać dostęp.

Dane wejściowe

Dokument reprezentuje jedną jednostkę danych wejściowych do analizy przez modele predykcyjne w usłudze językowej. Operacje dotyczące TextAnalysisClient pobierania kolekcji danych wejściowych, które mają być analizowane jako partia. Metody operacji mają przeciążenia, które umożliwiają reprezentację danych wejściowych jako ciągi lub obiekty z dołączonymi metadanymi.

Na przykład każdy dokument można przekazać jako ciąg w tablicy, np.

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

lub, jeśli chcesz przekazać dokument id na element lub languagecountryHint/, mogą one być podane jako lista TextDocumentInput lub DetectLanguageInput w zależności od operacji;

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!" },
];

Zobacz ograniczenia usługi dotyczące danych wejściowych , w tym limity długości dokumentu, maksymalny rozmiar partii i obsługiwane kodowanie tekstu.

Wartość zwracana

Zwracana wartość odpowiadająca pojedynczemu dokumentowi jest wynikiem pomyślnym lub obiektem błędu. Każda TextAnalysisClient metoda zwraca heterogeniczną tablicę wyników i błędów odpowiadających danych wejściowych według indeksu. Dane wejściowe tekstu i jego wynik będą miały ten sam indeks w kolekcjach danych wejściowych i wynikowych.

Wynik, taki jak SentimentAnalysisResult, jest wynikiem operacji języka zawierającej przewidywanie lub przewidywania dotyczące pojedynczego tekstu wejściowego. Typ wyniku operacji może również opcjonalnie zawierać informacje o dokumencie wejściowym i sposobie jego przetwarzania.

Obiekt błędu , wskazuje, TextAnalysisErrorResultże usługa napotkała błąd podczas przetwarzania dokumentu i zawiera informacje o błędzie.

Obsługa błędów dokumentu

W kolekcji zwróconej przez operację błędy są rozróżniane od pomyślnych odpowiedzi przez obecność error właściwości, która zawiera obiekt wewnętrzny TextAnalysisError , jeśli wystąpił błąd. W przypadku obiektów wyników zakończonych powodzeniem ta właściwość jest zawszeundefined.

Aby na przykład odfiltrować wszystkie błędy, można użyć następującego filterpolecenia:

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

Uwaga: użytkownicy języka TypeScript mogą korzystać z lepszego sprawdzania typów obiektów wyników i błędów, jeśli compilerOptions.strictNullChecks jest ustawiona tsconfig.json na true w konfiguracji. Na przykład:

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);
}

Przykłady

Użycie klienta

Wstępnie utworzone zadania

Zadania niestandardowe

Rozwiązywanie problemów

Rejestrowanie

Włączenie rejestrowania może pomóc odkryć przydatne informacje o błędach. Aby wyświetlić dziennik żądań HTTP i odpowiedzi, ustaw zmienną AZURE_LOG_LEVEL środowiskową na info. Możesz też włączyć rejestrowanie w czasie wykonywania, wywołując polecenie w elemecie setLogLevel@azure/logger:

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

setLogLevel("info");

Aby uzyskać bardziej szczegółowe instrukcje dotyczące włączania dzienników, zapoznaj się z dokumentami dotyczącymi pakietu @azure/rejestratora.

Następne kroki

Zapoznaj się z katalogiem samples , aby uzyskać szczegółowe przykłady dotyczące sposobu korzystania z tej biblioteki.

Współtworzenie

Jeśli chcesz współtworzyć tę bibliotekę, przeczytaj przewodnik współtworzenia , aby dowiedzieć się więcej na temat sposobu kompilowania i testowania kodu.

Wrażenia