Поделиться через


Использование пользовательской 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 слово Ввод на Мой текст (также известный как заголовок).

  6. Выберите + Создать шаг>AI Builder, затем выберите Классификация текста по категориям с использованием одной из ваших пользовательских моделей в списке действий.

  7. Выберите модель классификации категорий, которую необходимо использовать, а в столбце Текст добавьте Мой текст из триггера.

    Снимок экрана, который показывает выбранное содержимое модели.

  8. В последующих действиях используйте любые столбцы и таблицы, извлеченные моделью AI Builder.

В следующем примере сохраняется каждая выведенная Классификация и Оценка достоверности в список, созданный с помощью Microsoft Списки в SharePoint.

Пример снимка экрана примера потока классификации по категориям.

Поздравляем! Вы создали поток, использующий 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
Модель ИИ Да модель Модель классификации по категориям для использования при анализе Обученная и опубликованная модель классификации по категориям
Текст Да string Текст для анализа Текстовые предложения
Язык Да string Язык текста для анализа "Определить автоматически" или код языка (например: "en", "fr", "zh_chs", "ru")

Выходные данные

имени Тип Описание Значения
Категория строка Таблица идентифицирована 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