Vad är Azure AI Language?

Anteckning

Från och med juli 2023 omfattar Azure AI-tjänster alla vad som tidigare kallades Cognitive Services och Azure Applied AI Services. Det finns inga ändringar i prissättningen. Namnen Cognitive Services och Azure Applied AI fortsätter att användas i Azure-fakturering, kostnadsanalys, prislista och pris-API:er. Det finns inga icke-bakåtkompatibla ändringar i API:er (Application Programming Interfaces) eller SDK:er.

Azure AI Language är en molnbaserad tjänst som tillhandahåller NLP-funktioner (Natural Language Processing) för att förstå och analysera text. Använd den här tjänsten för att skapa intelligenta program med hjälp av webbaserade Language Studio, REST API:er och klientbibliotek.

Tillgängliga funktioner

Den här språktjänsten förenar följande tidigare tillgängliga Azure AI-tjänster: Textanalys, QnA Maker och LUIS. Om du behöver migrera från dessa tjänster kan du läsa migreringsavsnittet nedan.

Språktjänsten innehåller också flera nya funktioner, som antingen kan vara:

  • Förkonfigurerad, vilket innebär att DE AI-modeller som funktionen använder inte är anpassningsbara. Du skickar bara dina data och använder funktionens utdata i dina program.
  • Anpassningsbart, vilket innebär att du tränar en AI-modell med hjälp av våra verktyg för att passa dina data specifikt.

Tips

Osäker på vilken funktion som ska användas? Se Vilken språktjänstfunktion ska jag använda? för att hjälpa dig att bestämma.

Med Language Studio kan du använda nedanstående tjänstfunktioner utan att behöva skriva kod.

Namngiven entitetsigenkänning (NER)

En skärmbild av ett namngivet exempel på entitetsigenkänning.

Namngiven entitetsigenkänning är en förkonfigurerad funktion som kategoriserar entiteter (ord eller fraser) i ostrukturerad text i flera fördefinierade kategorigrupper. Exempel: personer, händelser, platser, datum med mera.

Identifiering av personligt identifierande (PII) och hälsoinformation (PHI)

En skärmbild av ett PII-identifieringsexempel.

PII-identifiering är en förkonfigurerad funktion som identifierar, kategoriserar och redigerar känslig information i både ostrukturerade textdokument och konversationsavskrifter. Exempel: telefonnummer, e-postadresser, former av identifiering med mera.

Språkidentifiering

En skärmbild av ett exempel på språkidentifiering.

Språkidentifiering är en förkonfigurerad funktion som kan identifiera språket som ett dokument är skrivet i och returnerar en språkkod för en mängd olika språk, varianter, dialekter och vissa regionala/kulturella språk.

Sentimentanalys och åsiktsutvinning

En skärmbild av ett exempel på attitydanalys.

Attitydanalys och åsiktsutvinning är förkonfigurerade funktioner som hjälper dig att ta reda på vad personer tycker om ditt varumärke eller ämne genom att bryta text för ledtrådar om positiva eller negativa sentiment och kan associera dem med specifika aspekter av texten.

Sammanfattning

En skärmbild av ett sammanfattningsexempel.

Sammanfattning är en förkonfigurerad funktion som använder sammanfattning av extraherande text för att skapa en sammanfattning av dokument och konversationstranskriptioner. Den extraherar meningar som tillsammans representerar den viktigaste eller mest relevanta informationen i det ursprungliga innehållet.

Extrahering av nyckelfraser

En skärmbild av ett exempel på extrahering av nyckelfraser.

Extrahering av nyckelfraser är en förkonfigurerad funktion som utvärderar och returnerar huvudbegreppen i ostrukturerad text och returnerar dem som en lista.

Entitetslänkning

En skärmbild av ett exempel på entitetslänkning.

Entitetslänkning är en förkonfigurerad funktion som visar identiteten för entiteter (ord eller fraser) som finns i ostrukturerad text och returnerar länkar till Wikipedia.

Textanalys för hälsa

En skärmbild av en textanalys för hälsoexempel.

Textanalys för hälsa är en förkonfigurerad funktion som extraherar och märker relevant medicinsk information från ostrukturerade texter som läkaranteckningar, sammanfattningar av ansvarsfrihet, kliniska dokument och elektroniska hälsojournaler.

Anpassad textklassificering

En skärmbild av ett exempel på anpassad textklassificering.

Med anpassad textklassificering kan du skapa anpassade AI-modeller för att klassificera ostrukturerade textdokument i anpassade klasser som du definierar.

Anpassad namngiven entitetsigenkänning (anpassad NER)

En skärmbild av ett anpassat NER-exempel.

Med anpassad NER kan du skapa anpassade AI-modeller för att extrahera anpassade entitetskategorier (etiketter för ord eller fraser) med ostrukturerad text som du anger.

Förståelse för konversationsspråk

En skärmbild av ett exempel på förståelse av konversationsspråk.

Med CLU (Conversational Language Understanding) kan användare skapa anpassade modeller för förståelse av naturligt språk för att förutsäga den övergripande avsikten med ett inkommande yttrande och extrahera viktig information från det.

Arbetsflöde för orkestrering

En skärmbild av ett exempel på ett orkestreringsarbetsflöde.

Arbetsflöde för orkestrering är en anpassad funktion som gör att du kan ansluta conversational Language Understanding (CLU), frågesvar och LUIS-program.

Svar på frågor

En skärmbild av ett exempel på frågor som besvarar.

Frågesvar är en anpassad funktion som hittar det lämpligaste svaret för indata från dina användare och som ofta används för att skapa konversationsklientprogram, till exempel program för sociala medier, chattrobotar och talaktiverade skrivbordsprogram.

Anpassad textanalys för hälsa

En skärmbild av en anpassad textanalys för hälsoexempel.

Anpassad textanalys för hälsa är en anpassad funktion som extraherar sjukvårdsspecifika entiteter från ostrukturerad text med hjälp av en modell som du skapar.

Vilken språktjänstfunktion ska jag använda?

Det här avsnittet hjälper dig att bestämma vilken språktjänstfunktion du ska använda för ditt program:

Vad vill du göra? Dokumentformat Din bästa lösning Är den här lösningen anpassningsbar?*
Identifiera och/eller redigera känslig information som PII och PHI. Ostrukturerad text,
transkriberade konversationer
PII-identifiering
Extrahera informationskategorier utan att skapa en anpassad modell. Ostrukturerad text Den förkonfigurerade NER-funktionen
Extrahera informationskategorier med hjälp av en modell som är specifik för dina data. Ostrukturerad text Anpassad NER
Extrahera huvudämnen och viktiga fraser. Ostrukturerad text Extrahering av nyckelfraser
Fastställ den attityd och de åsikter som uttrycks i text. Ostrukturerad text Attitydanalys och åsiktsutvinning
Sammanfatta långa text- eller konversationssegment. Ostrukturerad text,
transkriberade konversationer.
Sammanfattning
Tvetydiga entiteter och få länkar till Wikipedia. Ostrukturerad text Entitetslänkning
Klassificera dokument i en eller flera kategorier. Ostrukturerad text Anpassad textklassificering
Extrahera medicinsk information från kliniska/medicinska dokument, utan att bygga en modell. Ostrukturerad text Textanalys för hälsa
Extrahera medicinsk information från kliniska/medicinska dokument med hjälp av en modell som är tränad på dina data. Ostrukturerad text Anpassad textanalys för hälsa
Skapa ett konversationsprogram som svarar på användarindata. Ostrukturerade användarindata Svar på frågor
Identifiera språket som en text har skrivits i. Ostrukturerad text Språkidentifiering
Förutsäga avsikten med användarindata och extrahera information från dem. Ostrukturerade användarindata Förståelse för konversationsspråk
Anslut appar från konversationsspråkförståning, LUIS och frågesvar. Ostrukturerade användarindata Arbetsflöde för orkestrering

* Om en funktion är anpassningsbar kan du träna en AI-modell med hjälp av våra verktyg för att passa dina data specifikt. Annars är en funktion förkonfigurerad, vilket innebär att DE AI-modeller som den använder inte kan ändras. Du skickar bara dina data och använder funktionens utdata i dina program.

Migrera från Textanalys, QnA Maker eller Language Understanding (LUIS)

Azure AI Language förenar tre enskilda språktjänster i Azure AI-tjänster – Textanalys, QnA Maker och Language Understanding (LUIS). Om du har använt dessa tre tjänster kan du enkelt migrera till det nya Azure AI-språket. Anvisningar finns i Migrera till Azure AI Language.

Självstudier

När du har fått chansen att komma igång med språktjänsten kan du prova våra självstudier som visar hur du löser olika scenarier.

Ytterligare kodexempel

Du hittar fler kodexempel på GitHub för följande språk:

Distribuera lokalt med Docker-containrar

Använd Språktjänstcontainrar för att distribuera API-funktioner lokalt. Med de här Docker-containrarna kan du föra tjänsten närmare dina data av efterlevnads-, säkerhets- eller andra driftsskäl. Språktjänsten erbjuder följande containrar:

Ansvarsfull AI

Ett AI-system omfattar inte bara tekniken, utan även de personer som ska använda den, de personer som påverkas av den och den miljö där den distribueras. Läs följande artiklar om du vill veta mer om ansvarsfull AI-användning och distribution i dina system: