Hızlı Başlangıç: Content Understanding'i birden çok dosyayla kullanma

2025-05-30

Bu hızlı başlangıçta, verilerinizden yapılandırılmış bilgileri ayıklamak için Azure AI Foundry portalındaki Content Understanding hizmetini nasıl kullanacağınız gösterilmektedir. Azure AI Foundry, verimli yapay zeka uygulamaları ve API'leri sorumlu bir şekilde oluşturmanıza ve dağıtmanıza olanak tanır.

Belge dosyalarınız olduğunu ve önemli bilgileri otomatik olarak ayıklamak istediğinizi ve ayrıca dosyalarınızdan sonuçlar çıkarmak için başvuru verileriyle karşılaştırma yapmak istediğinizi varsayalım. Content Understanding'i kullanarak, veri işlemenizi kolaylaştırmak, ayıklamak veya oluşturmak için bilgileri belirtmek üzere bir alan şeması tanımlamak ve verilerinize akıl yürütme uygulayan, önemli içgörüler ve sonuçlar sunan bir çözümleyici geliştirmek için bir görev oluşturabilirsiniz. Çözümleyici, uygulamalarınızla veya iş akışlarınızla tümleştirebileceğiniz bir API uç noktası haline gelir.

Bu kılavuzda, senaryonuz için bir çözümleyici oluşturma ve test etme adımlarını inceleyeceğiz. Sıfırdan başlayabilir veya yaygın kullanım örnekleri için önerilen şablonları kullanabilirsiniz.

Önkoşullar

Başlamak için aşağıdaki kaynaklara ve izinlere sahip olduğunuzdan emin olun:

Bir Azure aboneliği. Azure aboneliğiniz yoksa ücretsiz hesap oluşturun.
Desteklenen şu bölgelerden birinde oluşturulan Azure AI Foundry hub tabanlı bir proje: westus, swedencentralveya australiaeast. Özelleştirilmiş yapay zeka uygulamaları oluştururken çalışmanızı düzenlemek ve durumu kaydetmek için bir proje kullanılır. AI Foundry'nin giriş sayfasından veya Content Understanding giriş sayfasından proje oluşturabilirsiniz.

Uyarı

Bu özellik için hub tabanlı bir proje kullanmanız gerekir. Dökümhane projesi desteklenmez. Bkz. Ne tür bir projem olduğunu nasıl bilebilirim? ve Hub tabanlı proje oluşturma.

Content Understanding Pro moduyla desteklenen çok dosyalı görevinizi oluşturma

Azure AI Foundry'de özel görev oluşturmak için bu adımları izleyin. Bu görev, ilk çözümleyicinizi oluşturmak için kullanılır.

Azure AI Foundry'nin Giriş sayfasına gidin.
Hub tabanlı projenizi seçin. Projenizi görmek için Tüm kaynakları görüntüle'yi seçmeniz gerekebilir.
Sol gezinti bölmesinden Content Understanding'i seçin.
+Oluştur'u seçin.
Bu kılavuzda Content Understanding Pro modunu kullanıyoruz multi-file task ancak Standart modu kullanarak tek dosyalı bir görev oluşturmak istiyorsanız Azure AI Foundry portalında Azure AI Content Understanding tek dosyalı görev oluşturma konusuna bakın. Senaryonuz için hangi modun doğru olduğu hakkında daha fazla bilgi için Azure AI Content Understanding pro ve standart modlarını gözden geçirin.
Göreviniz için bir ad girin. İsteğe bağlı olarak, bir açıklama girin ve diğer ayarları değiştirin.
Oluştur'i seçin.

İlk çözümleyicinizi oluşturma

Çok dosyalı content understanding görevi oluşturmak için, bir veya daha fazla veri örneği yükleyip alan şemanızı oluşturarak işe başlayın. Şema, verilerinizden tercih edilen içgörüleri ayıklamak için çözümleyiciye yol gösteren özelleştirilebilir çerçevedir.

Bu örnekte şema, bir fatura belgesindeki anahtar alanları ayıklamak için oluşturulur, ancak belge tabanlı verileri getirebilirsiniz ve adımlar aynı kalır. Desteklenen dosya türlerinin tam listesi için bkz . giriş dosyası sınırları.

Fatura belgelerinin veya senaryonuzla ilgili diğer belge verilerinin bir veya birden çok örnek dosyasını karşıya yükleyin.
Şemanıza alan ekleyin:
- Açık ve basit alan adlarını belirtin. Bazı örnek alanlar vendorName, items, price içerebilir.
- Her alan için değer türünü belirtin (dizeler, tarihler, sayılar, listeler, gruplar). Daha fazla bilgi edinmek için desteklenen alan türlerine bakın.
- [İsteğe bağlı] Herhangi bir özel durum veya kural dahil olmak üzere istenen davranışı açıklamak için alan açıklamaları sağlayın.
- Her alan için değer oluşturmak için yöntemini belirtin.
Şemanın test etmeye hazır olduğunu düşünüyorsanız Kaydet'i seçin. Gerekirse istediğiniz zaman geri gelebilir ve değişiklik yapabilirsiniz.
Hizmetin analiz etmesi için referans verileri olarak bir veya daha fazla belge yükleyin. Başvuru verileri eklemek, modelin bu veriler hakkında sonuçlar elde etmek için test verilerinizi karşılaştırmasına ve test verilerinize çok adımlı mantık uygulamasına olanak tanır.
Verileriniz üzerinde analiz çalıştırma. Analizi başlatmak, oluşturduğunuz şemayı temel alarak test dosyalarınızda bir çıkış oluşturur ve bu çıkışı başvuru verilerinizle karşılaştırarak tahminler uygular.

Çıktınızın kalitesinden memnun kaldığınızda Derleme çözümleyicisi'ni seçin. Bu eylem, kendi uygulamalarınızla tümleştirebileceğiniz bir çözümleyici kimliği oluşturur ve çözümleyiciyi kodunuzdan çağırmanıza olanak tanır.

Şimdi ilk Content Understanding çözümleyicinizi başarıyla oluşturdunuz ve verilerinizden içgörü ayıklamaya başlamaya hazırsınız. Oluşturduğunuz çözümleyiciyi seçebilir ve başlamak için örnek kodu görüntüleyebilirsiniz.