Aracılığıyla paylaş

Hızlı Başlangıç: Sistem durumu için özel Metin Analizi

  • Makale

Özel varlık tanıma için sistem durumu için Metin Analizi üzerinde özel modeller eğitebileceğiniz sistem durumu projesi için özel bir Metin Analizi oluşturmaya başlamak için bu makaleyi kullanın. Model, belirli bir görevi yerine getirmek için eğitilmiş yapay zeka yazılımıdır. Bu sistem için modeller, sağlık hizmetleriyle ilgili adlandırılmış varlıkları ayıklar ve etiketlenmiş verilerden öğrenilerek eğitilir.

Bu makalede, sistem durumu için özel Metin Analizi temel kavramlarını göstermek için Language Studio'yu kullanacağız. Örnek olarak, kısa deşarj notlarından Tesis veya tedavi konumunu ayıklamak için sağlık modeli için özel bir Metin Analizi oluşturacağız.

Önkoşullar

Bir sorunla karşılaştım

Yeni bir Azure AI Dil kaynağı ve Azure depolama hesabı oluşturma

Sistem durumu için özel Metin Analizi kullanabilmeniz için bir Azure AI Dili kaynağı oluşturmanız gerekir. Bu kaynak, proje oluşturmak ve modeli eğitmeye başlamak için ihtiyacınız olan kimlik bilgilerini verir. Ayrıca modelinizi oluşturmak için kullanılan veri kümenizi karşıya yükleyebileceğiniz bir Azure depolama hesabına da ihtiyacınız olacaktır.

Önemli

Hızlı bir şekilde başlamak için bu makalede sağlanan adımları kullanarak yeni bir Azure AI Dili kaynağı oluşturmanızı öneririz. Bu makaledeki adımların kullanılması, Dil kaynağı ve depolama hesabını aynı anda oluşturmanıza olanak sağlar. Bu, daha sonra yapmaktan daha kolaydır.

Kullanmak istediğiniz önceden var olan bir kaynağınız varsa bunu depolama hesabına bağlamanız gerekir. Daha fazla bilgi için bkz . Önceden var olan bir kaynağı kullanma yönergeleri.

Azure portalından yeni kaynak oluşturma

  1. Yeni bir Azure AI Dili kaynağı oluşturmak için Azure portalında oturum açın.

  2. Açılan pencerede, özel özelliklerden Özel metin sınıflandırması ve özel adlandırılmış varlık tanıma'yı seçin. Ekranın alt kısmındaki kaynağınızı oluşturmak için Devam'ı seçin.

    A screenshot showing custom text classification & custom named entity recognition in the Azure portal.

  3. Aşağıdaki ayrıntıları içeren bir Dil kaynağı oluşturun.

    Adı Açıklama
    Abonelik Azure aboneliğiniz.
    Kaynak grubu Kaynağınızı içerecek bir kaynak grubu. Mevcut bir tane kullanabilir veya yeni bir tane oluşturabilirsiniz.
    Bölge Dil kaynağınızın bölgesi. Örneğin, "Batı ABD 2".
    Adı Kaynağınız için bir ad.
    Fiyatlandırma katmanı Dil kaynağınızın fiyatlandırma katmanı. Hizmeti denemek için Ücretsiz (F0) katmanını kullanabilirsiniz.

    Dekont

    "Oturum açma hesabınız seçili depolama hesabının kaynak grubunun sahibi değil" iletisini alırsanız, Dil kaynağı oluşturabilmeniz için önce hesabınızın kaynak grubunda sahip rolü atanmış olması gerekir. Yardım için Azure aboneliğinizin sahibine başvurun.

  4. Özel metin sınıflandırması & özel adlandırılmış varlık tanıma bölümünde mevcut bir depolama hesabını seçin veya Yeni depolama hesabı'nı seçin. Bu değerler, üretim ortamlarında kullanmak isteyeceğiniz depolama hesabı değerlerini değil, kullanmaya başlamanıza yardımcı olmak için kullanılır. Projenizi oluştururken gecikme süresini önlemek için Dil kaynağınızla aynı bölgedeki depolama hesaplarına bağlanın.

    hesap değerini Depolama Önerilen değer
    Depolama hesabı adı Herhangi bir ad
    Storage account type Standart LRS

  5. Sorumlu Yapay Zeka Bildirimi'nin işaretli olduğundan emin olun. Sayfanın alt kısmındaki Gözden geçir + oluştur'u ve ardından Oluştur'u seçin.

Bir sorunla karşılaştım

Örnek verileri blob kapsayıcısına yükleme

Bir Azure depolama hesabı oluşturup Bunu Dil kaynağınıza bağladıktan sonra, örnek veri kümesindeki belgeleri kapsayıcınızın kök dizinine yüklemeniz gerekir. Bu belgeler daha sonra modelinizi eğitmek için kullanılacaktır.

  1. GitHub'dan örnek veri kümesini indirin.

  2. .zip dosyasını açın ve belgeleri içeren klasörü ayıklayın.

  3. Azure portalında, oluşturduğunuz depolama hesabına gidin ve bunu seçin.

  4. Depolama hesabınızda, Veri depolama altında yer alan sol menüden Kapsayıcılar'ı seçin. Görüntülenen ekranda + Kapsayıcı'yı seçin. Kapsayıcıya example-data adını verin ve varsayılan Genel erişim düzeyini bırakın.

    A screenshot showing the main page for a storage account.

  5. Kapsayıcınız oluşturulduktan sonra seçin. Daha önce indirdiğiniz ve dosyalarını seçmek için Karşıya Yükle düğmesini seçin.txt..json

    A screenshot showing the button for uploading files to the storage account.

Sağlanan örnek veri kümesi 12 klinik not içerir. Her klinik notta birkaç tıbbi varlık ve tedavi yeri bulunur. Tıbbi varlıkları ayıklamak ve varlığın öğrenilen ve liste bileşenlerini kullanarak işlem konumunu ayıklamak için özel modeli eğitmek için önceden oluşturulmuş varlıkları kullanacağız.

Bir sorunla karşılaştım

Sistem durumu projesi için özel Metin Analizi oluşturma

Kaynak ve depolama hesabınız yapılandırıldıktan sonra sistem durumu projesi için yeni bir özel Metin Analizi oluşturun. Proje, verilerinize göre özel ML modellerinizi oluşturmaya yönelik bir çalışma alanıdır. Projenize yalnızca siz ve kullanılan Dil kaynağına erişimi olan diğer kişiler erişebilir.

  1. Language Studio'da oturum açın. Aboneliğinizi ve Dil kaynağınızı seçmenizi sağlayacak bir pencere görüntülenir. Yukarıdaki adımda oluşturduğunuz Dil kaynağını seçin.

  2. Language Studio'nun Bilgileri ayıkla bölümünde Sistem durumu için Özel Metin Analizi'ı seçin.

  3. Projeler sayfanızın üst menüsünden Yeni proje oluştur'u seçin. Proje oluşturmak, modellerinizi etiketlemenize, eğitip değerlendirmenize, geliştirmenize ve dağıtmanıza olanak tanır.

    A screenshot of the project creation page.

  4. Projenizdeki dosyaların adı, açıklaması ve dili de dahil olmak üzere proje bilgilerini girin. Örnek veri kümesini kullanıyorsanız İngilizce'yi seçin. Projenizin adını daha sonra değiştiremezsiniz. İleri'yi seçin

    Bahşiş

    Veri kümenizin tamamen aynı dilde olması gerekmez. Her birinde desteklenen farklı dillere sahip birden çok belgeniz olabilir. Veri kümeniz farklı dillerde belgeler içeriyorsa veya çalışma zamanı sırasında farklı dillerden metin bekliyorsanız, projeniz için temel bilgileri girerken çok dilli veri kümesini etkinleştir seçeneğini belirleyin. Bu seçenek daha sonra Proje ayarları sayfasından etkinleştirilebilir.

  5. Yeni proje oluştur'u seçtikten sonra depolama hesabınızı bağlamanıza olanak sağlayan bir pencere görüntülenir. Zaten bir depolama hesabı bağladıysanız, hesaplanmış depolamanın bağlı olduğunu görürsünüz. Aksi takdirde, görüntülenen açılan listeden depolama hesabınızı seçin ve Bağlan depolama hesabını seçin; bu işlem depolama hesabınız için gerekli rolleri ayarlar. Depolama hesabında sahip olarak atanmadıysanız bu adım büyük olasılıkla bir hata döndürür.

    Dekont

    • Bu adımı, kullandığınız her yeni kaynak için yalnızca bir kez yapmanız gerekir.
    • Bu işlem geri alınamaz. Bir depolama hesabını Dil kaynağınıza bağlarsanız daha sonra bağlantısını kesemezsiniz.
    • Dil kaynağınızı yalnızca bir depolama hesabına bağlayabilirsiniz.

    A screenshot showing the storage connection screen.

  6. Veri kümenizi yüklediğiniz kapsayıcıyı seçin.

  7. Verileri zaten etiketlediyseniz desteklenen biçime uydığından emin olun ve Evet, dosyalarım zaten etiketlendi ve JSON etiketleri dosyasını biçimlendirdim'i seçin ve açılan menüden etiketler dosyasını seçin. İleri'yi seçin. Hızlı Başlangıç'tan veri kümesini kullanıyorsanız JSON etiketleri dosyasının biçimlendirmesini gözden geçirmeniz gerekmez.

  8. Girdiğiniz verileri gözden geçirin ve Proje Oluştur'u seçin.

Bir sorunla karşılaştım

Modelinizi eğitme

Genellikle bir proje oluşturduktan sonra, devam edip projenize bağlı kapsayıcıda bulunan belgeleri etiketlemeye başlarsınız. Bu hızlı başlangıçta, örnek etiketli bir veri kümesini içeri aktarıp projenizi örnek JSON etiketleri dosyasıyla başlatmış ve ek etiketler eklemenize gerek yoktur.

Modelinizi Language Studio'dan eğitmeye başlamak için:

  1. Sol taraftaki menüden Eğitim işleri'ni seçin.

  2. Üstteki menüden Eğitim işi başlat'ı seçin.

  3. Yeni model eğit'i seçin ve metin kutusuna model adını yazın. Ayrıca , bu seçeneği belirleyip açılan menüden üzerine yazmak istediğiniz modeli seçerek mevcut modelin üzerine yazabilirsiniz. Eğitilen modelin üzerine yazmak geri alınamaz, ancak yeni modeli dağıtana kadar dağıtılan modellerinizi etkilemez.

    A screenshot showing the training job creation screen in Language Studio.

  4. Veri bölme yöntemini seçin. Test kümesini eğitim verilerinden otomatik olarak bölme'yi seçebilirsiniz; burada sistem etiketlenmiş verilerinizi belirtilen yüzdelere göre eğitim ve test kümeleri arasında böler. Ya da eğitim ve test verilerinin el ile bölünmesini kullanabilirsiniz. Bu seçenek yalnızca test kümenize belge eklediyseniz etkinleştirilir. Veri ayırma hakkında bilgi için bkz. veri etiketleme ve modeli eğitme.

  5. Eğit düğmesini seçin.

  6. Listeden Eğitim İşi Kimliği'ni seçerseniz, bu işin Eğitim ilerleme durumunu, İş durumunu ve diğer ayrıntıları denetleyebileceğiniz bir yan bölme görüntülenir.

    Dekont

    • Yalnızca başarıyla tamamlanan eğitim işleri model oluşturur.
    • Eğitim, etiketlenmiş verilerinizin boyutuna bağlı olarak birkaç dakika ile birkaç saat arasında sürebilir.
    • Aynı anda yalnızca bir eğitim işi çalıştırabilirsiniz. Çalışan iş tamamlanana kadar aynı proje içinde başka bir eğitim işi başlatamazsınız.

Bir sorunla karşılaştım

Modelinizi dağıtma

Genellikle bir modeli eğitdikten sonra değerlendirme ayrıntılarını gözden geçirir ve gerekirse iyileştirmeler yaparsınız. Bu hızlı başlangıçta modelinizi dağıtacak ve Language Studio'da denemeniz için kullanılabilir hale getirecek veya tahmin API'sini çağırabilirsiniz.

Modelinizi Language Studio'dan dağıtmak için:

  1. Sol taraftaki menüden Model dağıtma'ya tıklayın.

  2. Yeni bir dağıtım işi başlatmak için Dağıtım ekle'yi seçin.

    A screenshot showing the deployment button in Language Studio.

  3. Yeni bir dağıtım oluşturmak ve aşağıdaki açılan listeden eğitilmiş bir model atamak için Yeni dağıtım oluştur'u seçin. Ayrıca bu seçeneği belirleyerek ve aşağıdaki açılan listeden bu dağıtıma atamak istediğiniz eğitilmiş modeli seçerek mevcut dağıtımın üzerine yazabilirsiniz.

    Dekont

    Mevcut dağıtımın üzerine yazmak için tahmin API çağrınızda değişiklik yapılması gerekmez, ancak elde ettiğiniz sonuçlar yeni atanan modeli temel alır.

    A screenshot showing the model deployment options in Language Studio.

  4. Dağıtım işini başlatmak için Dağıt'ı seçin.

  5. Dağıtım başarılı olduktan sonra, yanında bir sona erme tarihi görüntülenir. Dağıtım süre sonu, dağıtılan modelinizin tahmin için kullanılamadığı zamandır ve bu durum genellikle eğitim yapılandırmasının süresi dolduktan on iki ay sonra gerçekleşir.

Bir sorunla karşılaştım

Modelinizi test etme

Modeliniz dağıtıldıktan sonra, Tahmin API'sini kullanarak metninizdeki varlıkları ayıklamak için modeli kullanmaya başlayabilirsiniz. Bu hızlı başlangıçta Language Studio'yu kullanarak sistem durumu tahmin görevi için özel Metin Analizi gönderecek ve sonuçları görselleştireceksiniz. Daha önce indirdiğiniz örnek veri kümesinde, bu adımda kullanabileceğiniz bazı test belgelerini bulabilirsiniz.

Dağıtılan modellerinizi Language Studio'dan test etmek için:

  1. Sol taraftaki menüden Dağıtımları test etme'yi seçin.

  2. Test etmek istediğiniz dağıtımı seçin. Yalnızca dağıtımlara atanan modelleri test edebilirsiniz.

  3. Açılan listeden sorgulamak/test etmek istediğiniz dağıtımı seçin.

  4. İsteğe göndermek istediğiniz metni girebilir veya kullanmak üzere bir .txt dosya yükleyebilirsiniz.

  5. Üstteki menüden Testi çalıştır'ı seçin.

  6. Sonuç sekmesinde, metninizden ve bunların türlerinden ayıklanan varlıkları görebilirsiniz. JSON yanıtını JSON sekmesinin altında da görüntüleyebilirsiniz.

    A screenshot showing the deployment testing screen in Language Studio.

Bir sorunla karşılaştım

Kaynakları temizleme

Projenize artık ihtiyacınız olmadığında, Language Studio'yu kullanarak projenizi silebilirsiniz.

  1. Sayfanın üst kısmında kullanmakta olduğunuz Dil hizmeti özelliğini
  2. Silmek istediğiniz projeyi seçin
  3. Üst Menüden Sil'i seçin.

Bir sorunla karşılaştım

Önkoşullar

Bir sorunla karşılaştım

Yeni bir Azure AI Dil kaynağı ve Azure depolama hesabı oluşturma

Sistem durumu için özel Metin Analizi kullanabilmeniz için önce bir Azure Yapay Zeka Dili kaynağı oluşturmanız gerekir. Bu kaynak size proje oluşturmak ve modeli eğitmeye başlamak için ihtiyacınız olan kimlik bilgilerini verir. Ayrıca modelinizi oluştururken kullanılacak veri kümenizi karşıya yükleyebileceğiniz bir Azure depolama hesabına da ihtiyacınız olacaktır.

Önemli

Hızlı bir şekilde başlamak için, bu makalede sağlanan adımları kullanarak yeni bir Azure AI Dili kaynağı oluşturmanızı öneririz. Bu kaynak, Dil kaynağını oluşturmanıza ve/veya depolama hesabını aynı anda oluşturmanıza ve/veya bağlamanıza olanak sağlar. Bu, daha sonra yapmaktan daha kolaydır.

Kullanmak istediğiniz önceden var olan bir kaynağınız varsa bunu depolama hesabına bağlamanız gerekir. Daha fazla bilgi için bkz . proje oluşturma.

Azure portalından yeni kaynak oluşturma

  1. Yeni bir Azure AI Dili kaynağı oluşturmak için Azure portalında oturum açın.

  2. Açılan pencerede, özel özelliklerden Özel metin sınıflandırması ve özel adlandırılmış varlık tanıma'yı seçin. Ekranın alt kısmındaki kaynağınızı oluşturmak için Devam'ı seçin.

    A screenshot showing custom text classification & custom named entity recognition in the Azure portal.

  3. Aşağıdaki ayrıntıları içeren bir Dil kaynağı oluşturun.

    Adı Açıklama
    Abonelik Azure aboneliğiniz.
    Kaynak grubu Kaynağınızı içerecek bir kaynak grubu. Mevcut bir tane kullanabilir veya yeni bir tane oluşturabilirsiniz.
    Bölge Dil kaynağınızın bölgesi. Örneğin, "Batı ABD 2".
    Adı Kaynağınız için bir ad.
    Fiyatlandırma katmanı Dil kaynağınızın fiyatlandırma katmanı. Hizmeti denemek için Ücretsiz (F0) katmanını kullanabilirsiniz.

    Dekont

    "Oturum açma hesabınız seçili depolama hesabının kaynak grubunun sahibi değil" iletisini alırsanız, Dil kaynağı oluşturabilmeniz için önce hesabınızın kaynak grubunda sahip rolü atanmış olması gerekir. Yardım için Azure aboneliğinizin sahibine başvurun.

  4. Özel metin sınıflandırması & özel adlandırılmış varlık tanıma bölümünde mevcut bir depolama hesabını seçin veya Yeni depolama hesabı'nı seçin. Bu değerler, üretim ortamlarında kullanmak isteyeceğiniz depolama hesabı değerlerini değil, kullanmaya başlamanıza yardımcı olmak için kullanılır. Projenizi oluştururken gecikme süresini önlemek için Dil kaynağınızla aynı bölgedeki depolama hesaplarına bağlanın.

    hesap değerini Depolama Önerilen değer
    Depolama hesabı adı Herhangi bir ad
    Storage account type Standart LRS

  5. Sorumlu Yapay Zeka Bildirimi'nin işaretli olduğundan emin olun. Sayfanın alt kısmındaki Gözden geçir + oluştur'u ve ardından Oluştur'u seçin.

Bir sorunla karşılaştım

Örnek verileri blob kapsayıcısına yükleme

Bir Azure depolama hesabı oluşturup Bunu Dil kaynağınıza bağladıktan sonra, örnek veri kümesindeki belgeleri kapsayıcınızın kök dizinine yüklemeniz gerekir. Bu belgeler daha sonra modelinizi eğitmek için kullanılacaktır.

  1. GitHub'dan örnek veri kümesini indirin.

  2. .zip dosyasını açın ve belgeleri içeren klasörü ayıklayın.

  3. Azure portalında, oluşturduğunuz depolama hesabına gidin ve bunu seçin.

  4. Depolama hesabınızda, Veri depolama altında yer alan sol menüden Kapsayıcılar'ı seçin. Görüntülenen ekranda + Kapsayıcı'yı seçin. Kapsayıcıya example-data adını verin ve varsayılan Genel erişim düzeyini bırakın.

    A screenshot showing the main page for a storage account.

  5. Kapsayıcınız oluşturulduktan sonra seçin. Daha önce indirdiğiniz ve dosyalarını seçmek için Karşıya Yükle düğmesini seçin.txt..json

    A screenshot showing the button for uploading files to the storage account.

Sağlanan örnek veri kümesi 12 klinik not içerir. Her klinik notta birkaç tıbbi varlık ve tedavi yeri bulunur. Tıbbi varlıkları ayıklamak ve varlığın öğrenilen ve liste bileşenlerini kullanarak işlem konumunu ayıklamak için özel modeli eğitmek için önceden oluşturulmuş varlıkları kullanacağız.

Bir sorunla karşılaştım

Kaynak anahtarlarınızı ve uç noktanızı alma

  1. Azure portalında kaynağınıza genel bakış sayfasına gidin

  2. Sol taraftaki menüden Anahtarlar ve Uç Nokta'yı seçin. API istekleri için uç noktayı ve anahtarı kullanacaksınız

    A screenshot showing the key and endpoint page in the Azure portal

Bir sorunla karşılaştım

Sistem durumu projesi için özel Metin Analizi oluşturma

Kaynak ve depolama hesabınız yapılandırıldıktan sonra sistem durumu projesi için yeni bir özel Metin Analizi oluşturun. Proje, verilerinize göre özel ML modellerinizi oluşturmaya yönelik bir çalışma alanıdır. Projenize yalnızca siz ve kullanılan Dil kaynağına erişimi olan diğer kişiler erişebilir.

Önceki adımda örnek verilerden indirdiğiniz etiket dosyasını kullanın ve aşağıdaki isteğin gövdesine ekleyin.

proje işini içeri aktarmayı tetikleme

Etiket dosyanızı içeri aktarmak için aşağıdaki URL'yi, üst bilgileri ve JSON gövdesini kullanarak bir POST isteği gönderin. Etiketler dosyanızın kabul edilen biçime uygun olduğundan emin olun.

Aynı ada sahip bir proje zaten varsa, o projenin verileri değiştirilir.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/:import?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Gövde

İsteğinizde aşağıdaki JSON'yi kullanın. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

{
	"projectFileVersion": "{API-VERSION}",
	"stringIndexType": "Utf16CodeUnit",
	"metadata": {
		"projectName": "{PROJECT-NAME}",
		"projectKind": "CustomHealthcare",
		"description": "Trying out custom Text Analytics for health",
		"language": "{LANGUAGE-CODE}",
		"multilingual": true,
		"storageInputContainerName": "{CONTAINER-NAME}",
		"settings": {}
	},
	"assets": {
		"projectKind": "CustomHealthcare",
		"entities": [
			{
				"category": "Entity1",
				"compositionSetting": "{COMPOSITION-SETTING}",
				"list": {
					"sublists": [
						{
							"listKey": "One",
							"synonyms": [
								{
									"language": "en",
									"values": [
										"EntityNumberOne",
										"FirstEntity"
									]
								}
							]
						}
					]
				}
			},
			{
				"category": "Entity2"
			},
			{
				"category": "MedicationName",
				"list": {
					"sublists": [
						{
							"listKey": "research drugs",
							"synonyms": [
								{
									"language": "en",
									"values": [
										"rdrug a",
										"rdrug b"
									]
								}
							]

						}
					]
				}
				"prebuilts": "MedicationName"
			}
		],
		"documents": [
			{
				"location": "{DOCUMENT-NAME}",
				"language": "{LANGUAGE-CODE}",
				"dataset": "{DATASET}",
				"entities": [
					{
						"regionOffset": 0,
						"regionLength": 500,
						"labels": [
							{
								"category": "Entity1",
								"offset": 25,
								"length": 10
							},
							{
								"category": "Entity2",
								"offset": 120,
								"length": 8
							}
						]
					}
				]
			},
			{
				"location": "{DOCUMENT-NAME}",
				"language": "{LANGUAGE-CODE}",
				"dataset": "{DATASET}",
				"entities": [
					{
						"regionOffset": 0,
						"regionLength": 100,
						"labels": [
							{
								"category": "Entity2",
								"offset": 20,
								"length": 5
							}
						]
					}
				]
			}
		]
	}
}
Tuş Yer tutucu Değer Örnek
multilingual true Veri kümenizde birden çok dilde belge olmasını sağlayan boole değeridir ve modeliniz dağıtıldığında modeli desteklenen herhangi bir dilde sorgulayabilirsiniz (eğitim belgelerinize dahil olması gerekmez). Çok dilli destek hakkında daha fazla bilgi edinmek için bkz. dil desteği. true
projectName {PROJECT-NAME} Proje adı myproject
storageInputContainerName {CONTAINER-NAME} Kapsayıcı adı mycontainer
entities Projede sahip olduğunuz tüm varlık türlerini içeren dizi. Bunlar, belgelerinizden içine ayıklanacak varlık türleridir.
category Yeni varlık tanımları için kullanıcı tanımlı veya önceden oluşturulmuş varlıklar için önceden tanımlanmış olabilecek varlık türünün adı.
compositionSetting {COMPOSITION-SETTING} Varlığınızdaki birden çok bileşenin nasıl yönetileceğini tanımlayan kural. Seçenekler veya separateComponentsşeklindedircombineComponents. combineComponents
list Belirli bir varlık için projede sahip olduğunuz tüm alt listeleri içeren dizi. Listeler önceden oluşturulmuş varlıklara veya öğrenilen bileşenlere sahip yeni varlıklara eklenebilir.
sublists [] Alt listeleri içeren dizi. Her alt liste bir anahtar ve ilişkili değerleridir. []
listKey One Tahminde eşlenmiş eş anlamlılar listesi için normalleştirilmiş bir değer. One
synonyms [] Tüm eş anlamlıları içeren dizi Eşanlamlı
language {LANGUAGE-CODE} Alt listenizdeki eş anlamlının dil kodunu belirten bir dize. Projeniz çok dilli bir projeyse ve projenizdeki tüm diller için eş anlamlılar listenizi desteklemek istiyorsanız, eş anlamlılarınızı her dile açıkça eklemeniz gerekir. Desteklenen dil kodları hakkında daha fazla bilgi için bkz . Dil desteği . en
values "EntityNumberone", "FirstEntity" Ayıklama için tam olarak eşleştirilecek ve liste anahtarıyla eşlenecek virgülle ayrılmış dizelerin listesi. "EntityNumberone", "FirstEntity"
prebuilts MedicationName Önceden oluşturulmuş varlığı dolduran önceden oluşturulmuş bileşenin adı. Önceden oluşturulmuş varlıklar varsayılan olarak projenize otomatik olarak yüklenir, ancak bunları etiket dosyanızdaki liste bileşenleriyle genişletebilirsiniz. MedicationName
documents Projenizdeki tüm belgeleri ve her belge içinde etiketlenmiş varlıkların listesini içeren dizi. []
location {DOCUMENT-NAME} Depolama kapsayıcısında belgelerin konumu. Tüm belgeler kapsayıcının kökünde olduğundan, belge adı bu olmalıdır. doc1.txt
dataset {DATASET} Eğitimden önce bölündüğünde bu dosyanın gideceği test kümesi . Bu alanın olası değerleri ve TestşeklindedirTrain. Train
regionOffset Metnin başlangıcının kapsayıcı karakter konumu. 0
regionLength SıNıRlayıcı kutunun UTF16 karakterleri cinsinden uzunluğu. Eğitim yalnızca bu bölgedeki verileri dikkate alır. 500
category Belirtilen metnin yayılma alanıyla ilişkilendirilmiş varlık türü. Entity1
offset Varlık metninin başlangıç konumu. 25
length Varlığın UTF16 karakterleri cinsinden uzunluğu. 20
language {LANGUAGE-CODE} Projenizde kullanılan belgenin dil kodunu belirten dize. Projeniz çok dilli bir projeyse, belgelerin çoğunun dil kodunu seçin. Desteklenen dil kodları hakkında daha fazla bilgi için bkz . Dil desteği . en

API isteğinizi gönderdikten sonra, işin doğru şekilde gönderildiğini belirten bir 202 yanıt alırsınız. Yanıt üst bilgilerinde değeri ayıklayın operation-location . Şu şekilde biçimlendirilir:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} bu işlem zaman uyumsuz olduğundan isteğinizi tanımlamak için kullanılır. İçeri aktarma işi durumunu almak için bu URL'yi kullanacaksınız.

Bu istek için olası hata senaryoları:

  • Seçilen kaynağın depolama hesabı için uygun izinleri yok.
  • Belirtilen storageInputContainerName yok.
  • Geçersiz dil kodu kullanılır veya dil kodu türü dize değilse.
  • multilingual değeri boole değil bir dizedir.

Bir sorunla karşılaştım

İçeri aktarma işi durumunu alma

Projenizi içeri aktarmanızın durumunu almak için aşağıdaki GET isteğini kullanın. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

İstek URL'si

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{JOB-ID} Modelinizin eğitim durumunu bulma kimliği. Bu değer, önceki adımda aldığınız üst bilgi değerindedir location . xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Bir sorunla karşılaştım

Modelinizi eğitme

Genellikle bir proje oluşturduktan sonra, devam edip projenize bağlı kapsayıcıda bulunan belgeleri etiketlemeye başlarsınız. Bu hızlı başlangıçta, örnek etiketli bir veri kümesini içeri aktarmış ve örnek JSON etiketleri dosyasıyla projenizi başlatmışsınızdır.

Eğitim işini başlatma

Projeniz içeri aktarıldıktan sonra modelinizi eğitmeye başlayabilirsiniz.

Bir eğitim işi göndermek için aşağıdaki URL'yi, üst bilgileri ve JSON gövdesini kullanarak bir POST isteği gönderin. Yer tutucu değerlerini kendi değerlerinizle değiştirin.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Request body

İstek gövdesinde aşağıdaki JSON'yi kullanın. Eğitim tamamlandıktan sonra modele {MODEL-NAME} verilir. Yalnızca başarılı eğitim işleri model üretir.

{
	"modelLabel": "{MODEL-NAME}",
	"trainingConfigVersion": "{CONFIG-VERSION}",
	"evaluationOptions": {
		"kind": "percentage",
		"trainingSplitPercentage": 80,
		"testingSplitPercentage": 20
	}
}
Tuş Yer tutucu Değer Örnek
modelLabel {MODEL-NAME} Başarıyla eğitildikten sonra modelinize atanan model adı. myModel
trainingConfigVersion {CONFIG-VERSION} Bu, modeli eğitmek için kullanılan model sürümüdür . 2022-05-01
evaluationOptions Verilerinizi eğitim ve test kümelerine bölme seçeneği. {}
tür percentage Bölünmüş yöntemler. Olası değerler: percentage veya manual. Daha fazla bilgi için bkz . Modeli eğitma. percentage
trainingSplitPercentage 80 Eğitim kümesine eklenecek etiketli verilerinizin yüzdesi. Önerilen değer: 80. 80
testingSplitPercentage 20 Test kümesine eklenecek etiketli verilerinizin yüzdesi. Önerilen değer: 20. 20

Dekont

trainingSplitPercentage ve testingSplitPercentage yalnızca olarak ayarlandıysa Kindpercentage gereklidir ve her iki yüzdenin toplamı 100'e eşit olmalıdır.

API isteğinizi gönderdikten sonra, işin doğru şekilde gönderildiğini belirten bir 202 yanıt alırsınız. Yanıt üst bilgilerinde değeri ayıklayın location . Şu şekilde biçimlendirilir:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} bu işlem zaman uyumsuz olduğundan isteğinizi tanımlamak için kullanılır. Eğitim durumunu almak için bu URL'yi kullanabilirsiniz.

Bir sorunla karşılaştım

Eğitim işi durumunu alma

Bu örnek veri kümesi için eğitim 10 ile 30 dakika arasında sürebilir. Başarıyla tamamlanana kadar eğitim işinin durumunu yoklamayı sürdürmek için aşağıdaki isteği kullanabilirsiniz.

Modelinizin eğitim ilerleme durumunu almak için aşağıdaki GET isteğini kullanın. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

İstek URL'si

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{JOB-ID} Modelinizin eğitim durumunu bulma kimliği. Bu değer, önceki adımda aldığınız üst bilgi değerindedir location . xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Yanıt Gövdesi

İsteği gönderdikten sonra aşağıdaki yanıtı alırsınız.

{
  "result": {
    "modelLabel": "{MODEL-NAME}",
    "trainingConfigVersion": "{CONFIG-VERSION}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "{JOB-ID}",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

Bir sorunla karşılaştım

Modelinizi dağıtma

Genellikle bir modeli eğitdikten sonra değerlendirme ayrıntılarını gözden geçirir ve gerekirse iyileştirmeler yaparsınız. Bu hızlı başlangıçta modelinizi dağıtacak ve Language Studio'da denemeniz için kullanılabilir hale getirecek veya tahmin API'sini çağırabilirsiniz.

Dağıtım işini başlatma

Bir dağıtım işi göndermek için aşağıdaki URL' yi, üst bilgileri ve JSON gövdesini kullanarak bir PUT isteği gönderin. Aşağıdaki yer tutucu değerlerini kendi değerlerinizle değiştirin.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/deployments/{deploymentName}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{DEPLOYMENT-NAME} Dağıtımınızın adı. Bu değer büyük/küçük harfe duyarlıdır. staging
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Request body

İsteğinizin gövdesinde aşağıdaki JSON'yi kullanın. Dağıtıma atamak için modelin adını kullanın.

{
  "trainedModelLabel": "{MODEL-NAME}"
}
Tuş Yer tutucu Değer Örnek
trainedModelLabel {MODEL-NAME} Dağıtımınıza atanacak model adı. Yalnızca başarıyla eğitilmiş modeller atayabilirsiniz. Bu değer büyük/küçük harfe duyarlıdır. myModel

API isteğinizi gönderdikten sonra, işin doğru şekilde gönderildiğini belirten bir 202 yanıt alırsınız. Yanıt üst bilgilerinde değeri ayıklayın operation-location . Şu şekilde biçimlendirilir:

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} bu işlem zaman uyumsuz olduğundan isteğinizi tanımlamak için kullanılır. Dağıtım durumunu almak için bu URL'yi kullanabilirsiniz.

Bir sorunla karşılaştım

Dağıtım işi durumunu alma

Dağıtım işinin durumunu sorgulamak için aşağıdaki GET isteğini kullanın. Önceki adımda aldığınız URL'yi kullanabilir veya aşağıdaki yer tutucu değerleri kendi değerlerinizle değiştirebilirsiniz.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{DEPLOYMENT-NAME} Dağıtımınızın adı. Bu değer büyük/küçük harfe duyarlıdır. staging
{JOB-ID} Modelinizin eğitim durumunu bulma kimliği. Bu, önceki adımda aldığınız üst bilgi değerindedir location . xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

Yanıt Gövdesi

İsteği gönderdiğinizde aşağıdaki isteği alırsınız. Durum parametresi "başarılı" olarak değişene kadar bu uç noktayı yoklamayı sürdürebilirsiniz. İsteğin başarısını belirten bir 200 kod almalısınız.

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Bir sorunla karşılaştım

Eğitilen modelinizle tahminde bulunma

Modeliniz dağıtıldıktan sonra tahmin API'sini kullanarak metninizdeki varlıkları ayıklamak için modeli kullanmaya başlayabilirsiniz. Daha önce indirdiğiniz örnek veri kümesinde bu adımda kullanabileceğiniz bazı test belgelerini bulabilirsiniz.

Sistem durumu görevi için özel Metin Analizi gönderme

Sistem durumu ayıklama görevi için özel bir Metin Analizi başlatmak için bu POST isteğini kullanın.

{ENDPOINT}/language/analyze-text/jobs?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

Anahtar Değer
Ocp-Apim-Subscription-Key Bu API'ye erişim sağlayan anahtarınız.

Gövde

{
  "displayName": "Extracting entities",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "{LANGUAGE-CODE}",
        "text": "Text1"
      },
      {
        "id": "2",
        "language": "{LANGUAGE-CODE}",
        "text": "Text2"
      }
    ]
  },
  "tasks": [
     {
      "kind": "CustomHealthcare",
      "taskName": "Custom TextAnalytics for Health Test",
      "parameters": {
        "projectName": "{PROJECT-NAME}",
        "deploymentName": "{DEPLOYMENT-NAME}"
      }
    }
  ]
}
Tuş Yer tutucu Değer Örnek
displayName {JOB-NAME} İş adınız. MyJobName
documents [{},{}] Görevlerin çalıştırılacak belgelerin listesi. [{},{}]
id {DOC-ID} Belge adı veya kimliği. doc1
language {LANGUAGE-CODE} Belgenin dil kodunu belirten bir dize. Bu anahtar belirtilmezse, hizmet proje oluşturma sırasında seçilen projenin varsayılan dilini kabul eder. Desteklenen dil kodlarının listesi için bkz . dil desteği . en-us
text {DOC-TEXT} Görevlerin çalıştırılacak belge görevi. Lorem ipsum dolor sit amet
tasks Gerçekleştirmek istediğimiz görevlerin listesi. []
taskName Custom Text Analytics for Health Test Görev adı Custom Text Analytics for Health Test
kind CustomHealthcare Gerçekleştirmeye çalıştığımız proje veya görev türü CustomHealthcare
parameters Göreve geçirecek parametrelerin listesi.
project-name {PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
deployment-name {DEPLOYMENT-NAME} Dağıtımınızın adı. Bu değer büyük/küçük harfe duyarlıdır. prod

Response

Görevinizin başarıyla gönderildiğini belirten bir 202 yanıtı alırsınız. Yanıt üst bilgilerinde ayıklayın operation-location. operation-location şu şekilde biçimlendirilir:

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}

Görev tamamlanma durumunu sorgulamak ve görev tamamlandığında sonuçları almak için bu URL'yi kullanabilirsiniz.

Bir sorunla karşılaştım

Görev sonuçlarını alma

Özel varlık tanıma görevinin durumunu/sonuçlarını sorgulamak için aşağıdaki GET isteğini kullanın.

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

Anahtar Değer
Ocp-Apim-Subscription-Key Bu API'ye erişim sağlayan anahtarınız.

Yanıt Gövdesi

Yanıt, aşağıdaki parametrelere sahip bir JSON belgesidir

{
	"createdDateTime": "2021-05-19T14:32:25.578Z",
	"displayName": "MyJobName",
	"expirationDateTime": "2021-05-19T14:32:25.578Z",
	"jobId": "xxxx-xxxx-xxxxx-xxxxx",
	"lastUpdateDateTime": "2021-05-19T14:32:25.578Z",
	"status": "succeeded",
	"tasks": {
		"completed": 1,
		"failed": 0,
		"inProgress": 0,
		"total": 1,
		"items": [
			{
				"kind": "CustomHealthcareLROResults",
				"taskName": "Custom Text Analytics for Health Test",
				"lastUpdateDateTime": "2020-10-01T15:01:03Z",
				"status": "succeeded",
				"results": {
					"documents": [
						{
							"entities": [
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "learnedComponent"
										}
									],
									"offset": 0,
									"length": 11,
									"text": "first entity",
									"category": "Entity1",
									"confidenceScore": 0.98
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "listComponent"
										}
									],
									"offset": 0,
									"length": 11,
									"text": "first entity",
									"category": "Entity1.Dictionary",
									"confidenceScore": 1.0
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "learnedComponent"
										}
									],
									"offset": 16,
									"length": 9,
									"text": "entity two",
									"category": "Entity2",
									"confidenceScore": 1.0
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "prebuiltComponent"
										}
									],
									"offset": 37,
									"length": 9,
									"text": "ibuprofen",
									"category": "MedicationName",
									"confidenceScore": 1,
									"assertion": {
										"certainty": "negative"
									},
									"name": "ibuprofen",
									"links": [
										{
											"dataSource": "UMLS",
											"id": "C0020740"
										},
										{
											"dataSource": "AOD",
											"id": "0000019879"
										},
										{
											"dataSource": "ATC",
											"id": "M01AE01"
										},
										{
											"dataSource": "CCPSS",
											"id": "0046165"
										},
										{
											"dataSource": "CHV",
											"id": "0000006519"
										},
										{
											"dataSource": "CSP",
											"id": "2270-2077"
										},
										{
											"dataSource": "DRUGBANK",
											"id": "DB01050"
										},
										{
											"dataSource": "GS",
											"id": "1611"
										},
										{
											"dataSource": "LCH_NW",
											"id": "sh97005926"
										},
										{
											"dataSource": "LNC",
											"id": "LP16165-0"
										},
										{
											"dataSource": "MEDCIN",
											"id": "40458"
										},
										{
											"dataSource": "MMSL",
											"id": "d00015"
										},
										{
											"dataSource": "MSH",
											"id": "D007052"
										},
										{
											"dataSource": "MTHSPL",
											"id": "WK2XYI10QM"
										},
										{
											"dataSource": "NCI",
											"id": "C561"
										},
										{
											"dataSource": "NCI_CTRP",
											"id": "C561"
										},
										{
											"dataSource": "NCI_DCP",
											"id": "00803"
										},
										{
											"dataSource": "NCI_DTP",
											"id": "NSC0256857"
										},
										{
											"dataSource": "NCI_FDA",
											"id": "WK2XYI10QM"
										},
										{
											"dataSource": "NCI_NCI-GLOSS",
											"id": "CDR0000613511"
										},
										{
											"dataSource": "NDDF",
											"id": "002377"
										},
										{
											"dataSource": "PDQ",
											"id": "CDR0000040475"
										},
										{
											"dataSource": "RCD",
											"id": "x02MO"
										},
										{
											"dataSource": "RXNORM",
											"id": "5640"
										},
										{
											"dataSource": "SNM",
											"id": "E-7772"
										},
										{
											"dataSource": "SNMI",
											"id": "C-603C0"
										},
										{
											"dataSource": "SNOMEDCT_US",
											"id": "387207008"
										},
										{
											"dataSource": "USP",
											"id": "m39860"
										},
										{
											"dataSource": "USPMG",
											"id": "MTHU000060"
										},
										{
											"dataSource": "VANDF",
											"id": "4017840"
										}
									]
								},
								{
									"entityComponentInformation": [
										{
											"entityComponentKind": "prebuiltComponent"
										}
									],
									"offset": 30,
									"length": 6,
									"text": "100 mg",
									"category": "Dosage",
									"confidenceScore": 0.98
								}
							],
							"relations": [
								{
									"confidenceScore": 1,
									"relationType": "DosageOfMedication",
									"entities": [
										{
											"ref": "#/documents/0/entities/1",
											"role": "Dosage"
										},
										{
											"ref": "#/documents/0/entities/0",
											"role": "Medication"
										}
									]
								}
							],
							"id": "1",
							"warnings": []
						}
					],
					"errors": [],
					"modelVersion": "2020-04-01"
				}
			}
		]
	}
}
Tuş Örnek Değer Açıklama
varlıklar [] Ayıklanan tüm varlıkları içeren bir dizi.
entityComponentKind prebuiltComponent Belirli bir varlığı döndüren bileşeni gösteren değişken. Olası değerler: prebuiltComponent, learnedComponent, listComponent
fark 0 Karakterler üzerinde dizin oluşturarak ayıklanan varlığın başlangıç noktasını belirten bir sayı
uzunluk 10 Ayıklanan varlığın uzunluğunu karakter sayısıyla belirten bir sayı.
text first entity Belirli bir varlık için ayıklanan metin.
category MedicationName Ayıklanan metne karşılık gelen varlık türünün veya kategorinin adı.
confidenceScore 0.9 Modelin ayıklanan varlığın kesinlik düzeyini belirten ve 0 ile 1 arasında değişen ve daha yüksek bir sayıyla daha yüksek kesinlik belirten bir sayı.
assertion certainty Ayıklanan varlıkla ilişkili onaylar . Onaylar yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
name Ibuprofen Ayıklanan varlıkla ilişkili varlık bağlaması için normalleştirilmiş ad. Varlık bağlama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
bağlantılar [] Ayıklanan varlıkla ilişkili varlık bağlantısındaki tüm sonuçları içeren bir dizi. Varlık bağlama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
Datasource UMLS Ayıklanan varlıkla ilişkili varlık bağlamasından kaynaklanan başvuru standardı. Varlık bağlama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
Kimlik C0020740 Ayıklanan veri kaynağına ait ayıklanan varlıkla ilişkili varlık bağlamasından kaynaklanan başvuru kodu. Varlık bağlama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
Ilişkiler [] Ayıklanan tüm ilişkileri içeren dizi. İlişki ayıklama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
relationType DosageOfMedication Ayıklanan ilişkinin kategorisi. İlişki ayıklama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.
varlıklar "Dosage", "Medication" Ayıklanan ilişkiyle ilişkili varlıklar. İlişki ayıklama yalnızca sistem durumu varlıkları için önceden oluşturulmuş Metin Analizi için desteklenir.

Bir sorunla karşılaştım

Kaynakları temizleme

Projenize artık ihtiyacınız kalmadığında, aşağıdaki DELETE isteğiyle silebilirsiniz. Yer tutucu değerlerini kendi değerlerinizle değiştirin.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}
Yer tutucu Değer Örnek
{ENDPOINT} API isteğinizin kimliğini doğrulamak için uç nokta. https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} Projenizin adı. Bu değer büyük/küçük harfe duyarlıdır. myProject
{API-VERSION} Çağırdığınız API'nin sürümü. Burada başvuruda bulunılan değer, yayınlanan en son sürüme yöneliktir. Diğer kullanılabilir API sürümleri hakkında daha fazla bilgi edinmek için bkz . Model yaşam döngüsü . 2022-05-01

Üst Bilgiler

İsteğinizin kimliğini doğrulamak için aşağıdaki üst bilgiyi kullanın.

Anahtar Değer
Ocp-Apim-Subscription-Key Kaynağınızın anahtarı. API isteklerinizin kimliğini doğrulamak için kullanılır.

API isteğinizi gönderdikten sonra başarılı olduğunu belirten bir 202 yanıt alırsınız ve bu da projenizin silindiği anlamına gelir. Başarılı bir çağrı, işin durumunu denetlemek için kullanılan operation-location üst bilgisi ile sonuçlanır.

Bir sorunla karşılaştım

Sonraki adımlar

Varlık ayıklama modelini oluşturduktan sonra şunları yapabilirsiniz:

Sistem durumu projeleri için kendi özel Metin Analizi oluşturmaya başladığınızda, veri etiketleme, modelinizi eğitme ve kullanma hakkında daha ayrıntılı bilgi edinmek için nasıl yapılır makalelerini kullanın: