Przeglądanie schematu poznawczego platformy Azure
Usługa Azure Language Service udostępnia zaawansowane narzędzia i generowanie modeli językowych sztucznej inteligencji do pracy z danymi tekstowymi. Integracje w schemacie azure_cognitive rozszerzenia azure_ai oferują dostęp do tego bogatego zestawu funkcji interpretacji języka naturalnego i przetwarzania dostępnych bezpośrednio z bazy danych. Funkcje obejmują analizę tonacji, wykrywanie języka i tłumaczenie, wyodrębnianie kluczowych fraz, rozpoznawanie jednostek i podsumowywanie tekstu. Oto kluczowe aspekty:
Analiza tonacji przewiduje tonację danego tekstu (pozytywną, negatywną lub neutralną). Przypisuje ona wyniki pewności do każdej etykiety nastawienia, co pomaga w zrozumieniu emocjonalnego tonu treści generowanej przez użytkowników, recenzji lub wpisów w mediach społecznościowych.
Wykrywanie języka identyfikuje język, w którym jest zapisywany tekst. Jest to przydatne w scenariuszach, takich jak wielojęzyczne aplikacje lub filtrowanie zawartości.
Podsumowanie generuje zwięzłe podsumowania dłuższych tekstów. Przydatne jest wyodrębnianie podstawowych informacji z artykułów, dokumentów lub długich akapitów.
Wyodrębnianie kluczowych fraz identyfikuje istotne terminy lub frazy w dokumencie. Ułatwia kategoryzacja zawartości, indeksowanie wyszukiwania i modelowanie tematów.
Ekstrakcja jednostek polega na identyfikowaniu entytetów w tekście, takich jak nazwy, miejsca, daty, adresy e-mail itp. Obejmuje ona kilka możliwości, w tym łączenie entytetów i wykrywanie danych umożliwiających identyfikację osób.
Tłumaczenie tekstu wykonuje tłumaczenie tekstu między obsługiwanymi językami źródłowymi i docelowymi.
Schemat azure_cognitive
azure_cognitive Schemat w azure_ai rozszerzeniu został zaprojektowany w celu umożliwienia bezpośredniej interakcji z usługą Azure Language bezpośrednio z bazy danych PostgreSQL. Schemat zawiera wiele funkcji zdefiniowanych przez użytkownika (UDF) i typów złożonych.
Functions
Dostępne funkcje umożliwiają analizę tonacji, wykrywanie języka i tłumaczenie, wyodrębnianie kluczowych fraz i jednostek oraz podsumowywanie tekstu.
| Nazwa | Opis |
|---|---|
analyze_sentiment |
Przeprowadza analizę sentymentu poprzez analizę tekstu w celu identyfikacji pozytywnych lub negatywnych wskazówek. |
detect_language |
Wykrywa język podanego tekstu. |
extract_key_phrases |
Wyodrębnia główne pojęcia w tekście. |
linked_entities |
Identyfikuje i dysambiguje tożsamość jednostki znalezionej w tekście. |
recognize_entities |
Identyfikuje jednostki w tekście. |
recognize_pii_entities |
Identyfikuje, kategoryzuje i redaguje poufne informacje w tekście bez struktury. |
summarize_abstractive |
Generuje podsumowanie, tworząc nową oryginalną zawartość reprezentującą kluczowe pojęcia znalezione w tekście. |
summarize_extractive |
Generuje podsumowanie, identyfikując kluczowe zdania w tekście i używając tych zdań do reprezentowania podstawowych pojęć. |
translate |
Tłumaczy tekst na określony język. |
Typy złożone
Typy złożone w schemacie azure_cognitive obsługują zwracane wartości z różnych funkcji. Te rodzaje zapewniają struktury wymagane do przetwarzania obiektów zwracanych przez usługę Language i obejmują:
- azure_cognitive.wykryty_język
- azure_cognitive.entity
- azure_cognitive.language_detection_result
- azure_cognitive.linked_entity
- azure_cognitive.linked_entity_match
- azure_cognitive.wynik_rozpoznania_encyjne_danych_pii
- azure_cognitive.zdanie
- azure_cognitive.wynik_analizy_sentmentów
- azure_cognitive.translated_text_result
- azure_cognitive.translation
- azure_cognitive.transliterowany_tekst
Bardziej szczegółowo można zbadać typy złożone za pomocą \dT meta-polecenia z poziomu psql wiersza polecenia. Przykład:
\dT+ azure_cognitive.translated_text_result
Aby dokładniej zapoznać się z typem złożonym, pokazując wszystkie kolumny, ich typy i wszelkie atrybuty specjalne, możesz użyć meta-polecenia "\ d":
\d+ azure_cognitive.translated_text_result
To polecenie zwraca tabelę zawierającą kolumny, typy i dodatkowe szczegóły określonego typu zwracanego:
Composite type "azure_cognitive.translated_text_result"
Column | Type | Collation | Nullable | Default | Storage | Description
-------------------+-----------------------------------+-----------+----------+---------+----------+-------------
translations | azure_cognitive.translation[] | | | | extended |
detected_language | azure_cognitive.detected_language | | | | extended |
source_text | text | | | | extended |
Ustawianie punktu końcowego i klucza usługi językowej
Podobnie jak w przypadku funkcji azure_openai, należy podać punkt końcowy usługi i klucz, aby pomyślnie wykonać wywołania względem usługi językowej przy użyciu rozszerzenia azure_ai. Poniższe polecenia pokazują, jak można dodać ustawienia do tabeli konfiguracji azure_ai.settings.
SELECT azure_ai.set_setting('azure_cognitive.endpoint', '{endpoint}');
SELECT azure_ai.set_setting('azure_cognitive.subscription_key', '{api-key}');
W przypadku wykonywania tłumaczenia tekstu przy użyciu translate funkcji należy również podać region podczas konfigurowania połączenia rozszerzenia z usługą Azure AI:
-- the region setting is only required for the translate function
select azure_ai.set_setting('azure_cognitive.region', '{region}');