Извлечение именованных сущностей

Статья
03/23/2024

Внимание

Из-за объявления об Службы мультимедиа Azure выхода на пенсию Индексатор видео Azure объявляет корректировки функций Индексатора видео Azure. Ознакомьтесь с изменениями, связанными с выходом на пенсию службы мультимедиа Azure (AMS), чтобы понять, что это означает для учетной записи Индексатора видео Azure. Ознакомьтесь с руководством по обновлению и миграции AMS: VI.

Извлечение именованных сущностей — это функция ИИ Индексатора видео Azure, которая использует обработку естественного языка (NLP) для извлечения аналитических сведений о расположениях, людях и брендах, отображаемых в аудио и изображениях в файлах мультимедиа. Извлечение именованных сущностей автоматически используется с транскрибированием и OCR, а его аналитические сведения основаны на извлеченных во время этих процессов. Полученные аналитические сведения отображаются на вкладке Аналитика и фильтруются по расположениям, людям и категориям бренда. Щелкнув именованную сущность, отображает его экземпляр в файле мультимедиа. В нем также отображается описание сущности и ссылка "Найти" по ссылке Bing распознаваемых сущностей.

Необходимые компоненты

Обзор заметки о прозрачности

Общие принципы

В этой статье рассматриваются именованные сущности и ключевые аспекты использования этой технологии ответственно. При принятии решения о том, как использовать и реализовать функцию СИ, необходимо учитывать многое:

Будет ли эта функция хорошо работать в моем сценарии? Перед развертыванием извлечения именованных сущностей в сценарии проверьте, как она выполняется с помощью данных реального времени и убедитесь, что она может обеспечить необходимую точность.
Есть ли возможности для обнаружения ошибок и реагирования на них? Продукты и функции, на основе искусственного интеллекта, не будут точными на 100%, поэтому рассмотрим способ выявления и реагирования на любые ошибки, которые могут возникнуть.

Просмотр аналитических сведений

Чтобы просмотреть аналитические сведения на веб-сайте, сделайте следующее:

Перейдите к просмотру и проверка именованных сущностей.
Перейдите к Аналитика и прокрутите страницу до именованных сущностей.

Чтобы отобразить аналитику извлечения именованных сущностей в JSON-файле, сделайте следующее:

Нажмите кнопку "Скачать", а затем Аналитика (JSON).
Именованные сущности делятся на три:
- Торговые марки
- Расположение
- Люди

Скопируйте текст и вставьте его в средство просмотра JSON.

namedPeople: [
{
referenceId: "Satya_Nadella",
referenceUrl: "https://en.wikipedia.org/wiki/Satya_Nadella",
confidence: 1,
description: "CEO of Microsoft Corporation",
seenDuration: 33.2,
id: 2,
name: "Satya Nadella",
appearances: [
{
startTime: "0:01:11.04",
endTime: "0:01:17.36",
startSeconds: 71,
endSeconds: 77.4
},
{
startTime: "0:01:31.83",
endTime: "0:01:37.1303666",
startSeconds: 91.8,
endSeconds: 97.1
},

Чтобы скачать JSON-файл с помощью API, используйте портал разработчика Индексатора видео Azure AI.

Компоненты извлечения именованных сущностей

Во время процедуры извлечения именованных сущностей файл мультимедиа обрабатывается следующим образом:

Компонент	Определение
Исходный файл	Пользователь отправляет исходный файл для индексирования.
Извлечение текста	— Звуковой файл отправляется в API служб распознавания речи для извлечения транскрибирования. — Примеры кадров отправляются в API визуального распознавания Azure для извлечения OCR.
Аналитика	Затем аналитические сведения отправляются в API Анализ текста для извлечения сущностей. Например, Майкрософт, Париж или имя человека, например Пол или Сара.
Обработка и консолидация	Затем обрабатываются результаты. Если применимо, ссылки Википедии добавляются, а бренды определяются с помощью встроенных и настраиваемых списков фирменной символики Индексатора видео.
Значение достоверности: предполагаемый уровень достоверности каждой именованной сущности вычисляется как диапазон от 0 до 1. Оценка достоверности представляет уверенность в точности результата. Например, 82% определенности представлена как оценка 0,82.

Примеры вариантов использования

Контекстная реклама, например, размещение рекламы для цепочки пиццы после кадров в Италии.
Глубокий поиск архивов мультимедиа для получения аналитических сведений о людях или расположениях для создания историй функций для новостей.
Создание словесного описания кадров с помощью обработки OCR для повышения доступности для визуального нарушения, например фонового рассказчика в фильмах.
Извлечение аналитических сведений о бренде na