Поделиться через


Использование предварительно созданной модели классификации по категориям в Power Automate

  1. Выполните вход в Power Automate.

  2. Выберите Мои потоки в левой области, а затем выберите Создать поток>Мгновенный облачный поток.

  3. Присвойте своему потоку имя, в разделе Выбор способа запуска для этого потока щелкните Активировать поток вручную и нажмите кнопку Создать.

  4. Разверните Активация потока вручную и выберите +Добавить входные данные>Текст в качестве типа входных данных.

  5. Замените Ввод на Мой текст (также известный как заголовок).

  6. Выберите + Создать шаг>AI Builder, затем выберите Классификация текста по категориям с использованием стандартной модели в списке действий.

  7. Выберите язык во входных данных Язык и укажите столбец Мой текст из триггера во входных данных Текст.

    Выбор содержимого модели.

  8. В последующих действиях вы можете использовать любые столбцы и таблицы, извлеченные моделью AI Builder. В следующем примере сохраняется каждая выведенная Классификация и Оценка достоверности в список SharePoint.

    Пример готового потока для классификации по категориям.

Поздравляем! Вы создали поток, использующий предварительно созданную модель классификации по категориям AI Builder. Щелкните Сохранить в правом верхнем углу, а затем выберите Тест, чтобы проверить поток.

Параметры

Ввод

Имя (название) Обязательные Тип Описание Значения
Текст Да string Текст для анализа Текстовые предложения
Язык Да string Язык текста для анализа Список предопределенных языков или кодов языка (например: "en", "fr", "zh_chs", "ru")

Поздравляем! Вы создали поток, использующий предварительно созданную модель классификации по категориям AI Builder. Щелкните Сохранить в правом верхнем углу, а затем выберите Тест, чтобы проверить поток.

Выходные данные

имени Тип Описание Значения
Категория string Идентифицированная сущность Проблемы, комплимент, обслуживание клиентов, документация, цена и выставление счетов, персонал
Степень достоверности с плавающей запятой Степень уверенности модели в своем прогнозе Значение в диапазоне от 0 до 1. Значения, близкие к 1, свидетельствуют о большей уверенности в том, что извлеченное значение точно