Özel Adlandırılmış Varlık Tanıma için sık sorulan sorular

Makale
12/19/2023

Azure Yapay Zeka Dilinde özel NER ile ilgili kavramlar ve senaryolar hakkında sık sorulan soruların yanıtlarını bulun.

Hizmeti kullanmaya başlamak Nasıl yaparım??

İlk projenizi hızlı bir şekilde oluşturmak için hızlı başlangıç bölümüne bakın veya daha ayrıntılı bilgi için projelerin nasıl oluşturulacağını görüntüleyin.

Hizmet sınırları nelerdir?

Daha fazla bilgi için hizmet sınırları makalesine bakın.

Kaç tane etiketli dosya gerekiyor?

Genellikle, çeşitli ve temsili etiketli veriler , etiketlemenin tam, tutarlı ve tamamen yapıldığından daha iyi sonuçlara yol açar. Her modelin iyi performans göstermesini sağlayacak belirli sayıda etiketli örnek yoktur. Performans, şemanıza ve şemanızın belirsizliğine yüksek oranda bağlıdır. Belirsiz varlık türlerinin daha fazla etikete ihtiyacı vardır. Performans, etiketlemenizin kalitesine de bağlıdır. Varlık başına önerilen etiketli örnek sayısı 50'dir.

Eğitim uzun sürüyor, bu beklenen bir durum mu?

Eğitim süreci uzun sürebilir. Kaba bir tahmin olarak, birleşik uzunluğu 12.800.000 karakter olan dosyalar için beklenen eğitim süresi 6 saattir.

Özel modelimi program aracılığıyla Nasıl yaparım? derleyin?

Not

Şu anda yalnızca REST API veya Language Studio kullanarak model oluşturabilirsiniz.

Özel modellerinizi oluşturmak için REST API'lerini kullanabilirsiniz. Yazma API'sini çağırma örnekleri için proje oluşturmaya ve API'ler aracılığıyla model oluşturmaya başlamak için bu hızlı başlangıcı izleyin.

Tahminde bulunmak için modelinizi kullanmaya başlamaya hazır olduğunuzda REST API'yi veya istemci kitaplığını kullanabilirsiniz.

Önerilen CI/CD işlemi nedir?

Aynı proje içinde aynı veri kümesinde birden çok model eğitebilirsiniz. Modelinizi başarıyla eğitdikten sonra performansını görüntüleyebilirsiniz. Modelinizi Language Studio'da dağıtabilir ve test edebilirsiniz. Verilerinize etiket ekleyebilir veya bunları kaldırabilir, yeni bir model eğitebilir ve test edebilirsiniz. Aynı projeye sahip en fazla eğitilmiş model sayısı hakkında bilgi edinmek için hizmet sınırlarınıgörüntüleyin. Modeli eğittiğinizde veri kümenizin eğitim ve test kümelerine nasıl bölündüğünü belirleyebilirsiniz. Ayrıca, yansıtılan model değerlendirmesinin aynı test kümesiyle ilgili bir garanti olmadığı ve sonuçların karşılaştırılamaz olduğu eğitim ve test kümesine verilerinizin rastgele bölünmesini sağlayabilirsiniz. İyileştirmeyi ölçebilmeniz için kendi test kümenizi geliştirmeniz ve her iki modeli de değerlendirmek için kullanmanız önerilir.

Düşük veya yüksek model puanı üretimde kötü veya iyi performans garantisi mi sağlar?

Model değerlendirmesi her zaman kapsamlı olmayabilir. Bu, aşağıdakilere bağlıdır:

Test kümesi çok küçükse, iyi/kötü puanlar modelin gerçek performansını temsil etmez. Ayrıca test kümenizde belirli bir varlık türü eksikse veya eksik temsil edilirse model performansını etkiler.
Verileriniz yalnızca üretimde beklediğiniz metinle ilgili birkaç senaryoyu/örneği kapsıyorsa, modeliniz tüm olası senaryolara maruz kalmaz ve eğitilmediği senaryolarda kötü performans gösterebilir.
Modeli eğitmek için kullanılan veri kümesi üretimde modele tanıtılacak verileri temsil etmediyse, model performansı büyük ölçüde etkilenir.

Daha fazla bilgi için veri seçimi ve şema tasarımı makalesine bakın.

Model performansını geliştirmek Nasıl yaparım??

Model karışıklık matrisini görüntüleyin. Belirli bir varlık türünün sıklıkla doğru tahmin edilmediğini fark ederseniz, bu sınıf için daha fazla etiketli örnek eklemeyi göz önünde bulundurun. İki varlık türünün sıklıkla birbirinin tahmin edilemediğini fark ederseniz, bu şemanın belirsiz olduğu anlamına gelir ve daha iyi performans için her ikisini de tek bir varlık türünde birleştirmeyi göz önünde bulundurmalısınız.
Test kümesi tahminlerini gözden geçirin. Varlık türlerinden birinde diğerlerinden çok daha fazla etiketli örnek varsa, modeliniz bu türe karşı önyargılı olabilir. Diğer varlık türlerine daha fazla veri ekleyin veya baskın türdeki örnekleri kaldırın.
Veri seçimi ve şema tasarımı hakkında daha fazla bilgi edinin.
Modelinizin performansı hakkında daha iyi bir fikir edinmek için tahmin edilen ve etiketlenmiş varlıkları yan yana görmek için test kümenizi gözden geçirin ve şemada veya etiketlerde herhangi bir değişiklik yapılması gerekip gerekmediğini belirleyin.

Modelimi yeniden eğittiğimde neden farklı sonuçlar alıyorum?

Modelinizi eğitirken verilerinizin rastgele olarak eğitim ve test kümelerine bölünmesini isteyip istemediğinizi belirleyebilirsiniz. Bunu yaparsanız, yansıtılan model değerlendirmesinin aynı test kümesinde olduğu garanti edilmez, bu nedenle sonuçlar karşılaştırılamaz.
Aynı modeli yeniden eğitiyorsanız test kümeniz aynı olacaktır ancak model tarafından yapılan tahminlerde küçük bir değişiklik fark edebilirsiniz. Bunun nedeni, eğitilen modelin yeterince sağlam olmamasıdır ve bunun verilerinizin ne kadar temsil edici ve benzersiz olduğunu ve etiketli verilerinizin kalitesinin bir faktörüdür.

Farklı dillerde tahminler Nasıl yaparım??

İlk olarak, projenizi oluştururken çok dilli seçeneği etkinleştirmeniz gerekir veya daha sonra proje ayarları sayfasından etkinleştirebilirsiniz. Modelinizi eğitip dağıtdıktan sonra birden çok dilde sorgulamaya başlayabilirsiniz. Farklı diller için çeşitli sonuçlar alabilirsiniz. Herhangi bir dilin doğruluğunu geliştirmek için projenize o dilde daha fazla etiketli örnek ekleyerek eğitilen modeli bu dilin daha fazla söz dizimine tanıtın.

Modelimi eğitiyorum ama testemiyorum

Modelinizi test etmeden önce dağıtmanız gerekir.

Tahminler için eğitilen modelimi Nasıl yaparım? kullanabilirim?

Modelinizi dağıttığınızda REST API veya istemci kitaplıklarını kullanarak tahmin API'sini çağırırsınız.

Veri gizliliği ve güvenliği

Özel NER, Genel Veri Koruma Yönetmeliği (GDPR) amaçlarına yönelik bir veri işlemcisidir. GDPR ilkeleriyle uyumlu olarak, Özel NER kullanıcıları Language Studio aracılığıyla veya REST API'lerini kullanarak program aracılığıyla herhangi bir kullanıcı içeriğini görüntülemek, dışarı aktarmak veya silmek için tam denetime sahiptir.

Verileriniz yalnızca Azure Depolama hesabınızda depolanır. Özel NER yalnızca eğitim sırasında okuma erişimine sahiptir.

Projemi nasıl kopyalarım?

Projenizi kopyalamak için dışarı aktarma API'sini kullanarak proje varlıklarını dışarı aktarmanız ve sonra bunları yeni bir projeye aktarmanız gerekir. Her iki işlem için de REST API başvurusuna bakın.

Aracılığıyla paylaş