Dela via

Vad är sammanfattning?

  • Artikel

Viktigt!

Vår förhandsgranskningsregion, Sweden Central, visar upp våra senaste och ständigt växande LLM-finjusteringstekniker baserade på GPT-modeller. Du är välkommen att prova dem med en språkresurs i Sverige, centrala.

Konversationssammanfattning är endast tillgängligt med hjälp av:

  • REST-API
  • Python
  • C#

Sammanfattning är en funktion som erbjuds av Azure AI Language, som är en kombination av generativa modeller för stora språk och uppgiftsoptimerade kodarmodeller som erbjuder sammanfattningslösningar med högre kvalitet, kostnadseffektivitet och kortare svarstid. Använd den här artikeln om du vill veta mer om den här funktionen och hur du använder den i dina program.

Tjänsten tillhandahåller sammanfattningslösningar för tre typer av genrer, enkla texter, konversationer och interna dokument. Textsammanfattning accepterar endast oformaterade textblock, och konversationssammanfattning accepterar konversationsinmatning, inklusive olika talljudsignaler för att modellen effektivt ska segmentera och sammanfatta, och det interna dokumentet kan sammanfattas direkt för dokument i sina interna format, till exempel Ord, PDF osv.

Den här dokumentationen innehåller följande artikeltyper:

  • Snabbstarter är komma igång-instruktioner som hjälper dig att göra begäranden till tjänsten.
  • Instruktionsguider innehåller instruktioner för hur du använder tjänsten på mer specifika eller anpassade sätt.

Dessa funktioner är utformade för att förkorta innehåll som kan anses vara för långt för att läsa.

Viktiga funktioner för textsammanfattning

Textsammanfattning använder bearbetningstekniker för naturligt språk för att generera en sammanfattning av oformaterade texter, som kan komma från ett dokument eller en konversation eller valfri text. Det finns två sätt att sammanfatta det här API:et:

  • Extraheringssammanfattning: Skapar en sammanfattning genom att extrahera viktiga meningar i dokumentet, tillsammans positioneringsinformationen för dessa meningar.

    • Flera extraherade meningar: Dessa meningar förmedlar tillsammans dokumentets huvudidé. De är ursprungliga meningar som extraheras från indatadokumentets innehåll.
    • Rankningspoäng: Rangpoängen anger hur relevant en mening är för huvudämnet. Textsammanfattning rangordnar extraherade meningar och du kan avgöra om de returneras i den ordning de visas eller enligt deras rangordning. Om du till exempel begär en sammanfattningssammanfattning med tre meningar returneras de tre meningarna med högst poäng.
    • Positionsinformation: Startpositionen och längden på extraherade meningar.

  • Abstrakt sammanfattning: Genererar en sammanfattning med koncisa, sammanhängande meningar eller ord som inte är ordagrant extrahera meningar från det ursprungliga dokumentet.

    • Sammanfattningstexter: Abstrakt sammanfattning returnerar en sammanfattning för varje kontextuellt indataintervall. Långa indata kan segmenteras så att flera grupper med sammanfattningstexter kan returneras med sitt kontextuella indataintervall.
    • Kontextuellt indataintervall: Intervallet inom de indata som användes för att generera sammanfattningstexten.

Tänk till exempel på följande stycke text:

"På Microsoft är vi på jakt efter att utveckla AI utöver befintliga tekniker genom att ta ett mer holistiskt, människocentrerat förhållningssätt till lärande och förståelse. Som Chief Technology Officer för Azure AI-tjänster har jag arbetat med ett team med fantastiska forskare och ingenjörer för att förverkliga detta uppdrag. I min roll har jag ett unikt perspektiv när jag visar relationen mellan tre attribut för mänsklig kognition: enspråkig text (X), ljud- eller visuella sensoriska signaler, (Y) och flerspråkig (Z). I skärningspunkten mellan alla tre finns det magi – det vi kallar XYZ-kod som illustreras i bild 1 – en gemensam representation för att skapa kraftfullare AI som kan tala, höra, se och förstå människor bättre. Vi tror att XYZ-kod gör det möjligt för oss att uppfylla vår långsiktiga vision: överföringsinlärning mellan domäner, som omfattar modaliteter och språk. Målet är att ha förtränat modeller som gemensamt kan lära sig representationer för att stödja ett brett spektrum av underordnade AI-uppgifter, mycket på det sätt som människor gör idag. Under de senaste fem åren har vi uppnå mänsklig prestanda på riktmärken inom konversationstaligenkänning, maskinöversättning, samtalsfrågasvar, maskinläsningsförståelse och bildtexter. Dessa fem genombrott gav oss starka signaler mot vår mer ambitiösa strävan att skapa ett språng i AI-funktioner och uppnå multisensorisk och flerspråkig inlärning som ligger närmare i linje med hur människor lär sig och förstår. Jag tror att den gemensamma XYZ-koden är en grundläggande komponent i denna strävan, om den baseras på externa kunskapskällor i underordnad AI-uppgifter."

API-begäran för textsammanfattning bearbetas när begäran tas emot genom att ett jobb skapas för API-serverdelen. Om jobbet lyckades returneras utdata från API:et. Utdata är tillgängliga för hämtning i 24 timmar. Efter den här tiden rensas utdata. På grund av stöd för flerspråkiga och emojis kan svaret innehålla textförskjutningar. Mer information finns i bearbeta förskjutningar.

Om vi använder exemplet ovan kan API:et returnera dessa sammanfattningar:

Extraheringssammanfattning:

  • "På Microsoft är vi på jakt efter att främja AI utöver befintliga tekniker genom att ta ett mer holistiskt, mänskligt centrerad tillvägagångssätt för lärande och förståelse."
  • "Vi tror att XYZ-kod gör det möjligt för oss att uppfylla vår långsiktiga vision: överföringsinlärning mellan domäner, som omfattar modaliteter och språk."
  • "Målet är att ha förtränat modeller som gemensamt kan lära sig representationer för att stödja ett brett spektrum av underordnade AI-uppgifter, mycket på det sätt som människor gör idag."

Abstrakt sammanfattning:

  • "Microsoft har ett mer holistiskt, mänskligt centrerad sätt att lära sig och förstå. Vi tror att XYZ-kod gör det möjligt för oss att uppfylla vår långsiktiga vision: överföringsinlärning mellan domäner, som omfattar modaliteter och språk. Under de senaste fem åren har vi uppnått mänsklig prestanda på riktmärken inom samtalsigenkänning."

Kom igång med sammanfattning

Om du vill använda sammanfattning skickar du för analys och hanterar API-utdata i ditt program. Analysen utförs som den är, utan någon ytterligare anpassning till den modell som används på dina data. Det finns två sätt att använda sammanfattning:

Utvecklingsalternativ beskrivning
Language Studio Language Studio är en webbaserad plattform där du kan prova entitetslänkning med textexempel utan ett Azure-konto och dina egna data när du registrerar dig. Mer information finns på Language Studio-webbplatsen eller language studio-snabbstarten.
REST API eller klientbibliotek (Azure SDK) Integrera textsammanfattning i dina program med hjälp av REST-API:et eller klientbiblioteket som är tillgängligt på olika språk. Mer information finns i snabbstarten för sammanfattning.

Indatakrav och tjänstbegränsningar

Referensdokumentation och kodexempel

När du använder textsammanfattning i dina program kan du läsa följande referensdokumentation och exempel för Azure AI Language:

Utvecklingsalternativ/språk Referensdokumentation Exempel
C# C#-dokumentation C#-exempel
Java Java-dokumentation Java-exempel
JavaScript JavaScript-dokumentation JavaScript-exempel
Python Python-dokumentation Python-exempel

Ansvarsfull AI

Ett AI-system innehåller inte bara tekniken, utan även de personer som använder den, de personer som påverkas av den och distributionsmiljön. Läs transparensanteckningen för sammanfattning för att lära dig mer om ansvarsfull AI-användning och distribution i dina system. Mer information finns i följande artiklar: