了解 Azure AI 语言的可用功能

  • 6 分钟

在这里，你将了解 Azure AI 语言提供的功能，然后使用类似演示的环境来测试预配置的情绪模型。 然后，你将了解创建、训练和部署用于对话语言理解的自定义模型的步骤。

Azure AI 语言功能

Azure AI 语言将其功能分组到以下方面：

  1. 对文本进行分类
  2. 理解问题和对话语言
  3. 提取信息
  4. 汇总文本
  5. 翻译文本

对文本进行分类

A screenshot showing the text classification capabilities.

理解问题和对话语言

A screenshot showing question understanding and conversational language capabilities.

提取信息

A screenshot of the information extraction capabilities

汇总文本

A screenshot of text summarization capabilities.

翻译文本

A screenshot showing text translation capabilities.

这些功能可以预先配置，也可以自定义。 预配置的功能可以直接在 Language Studio 中使用类似演示的环境进行测试。 这些功能是现成可用的。

徽标中带有 * 和绿色齿轮的其他功能需要用户自定义。 这些功能需要你训练模型，以便更好地适应你的数据。 训练完毕后，可以部署并使用它们来为应用提供支持，或使用同一类似演示的测试环境。

测试和使用预配置的语言功能

  1. 转到 Language Studio，然后使用 Azure 帐户登录。

  2. 如果还没有语言资源，请创建一个。

    A screenshot showing selecting analyze sentiment.

  3. 向下滚动到分类文本部分，然后选择“分析情绪和挖掘选项”。

  4. 向下滚动，然后选择“服务评审(long)”。

    A screenshot of the demo-like testing environment.

    阅读此评论文本，你认为它的正面程度如何？

  5. 选择“运行”。

  6. 检查结果。

    A screenshot showing the results of analyzing the sentiment.

可以了解到情绪模型如何识别有助于计算总体正面分数的单词。 在示例文本中，该模型为整个文档返回了“75% 正面”的结果。

还可以向下钻取单个句子，以获取更多详细信息。 然后，Azure AI 语言提供了有关如何在你自己的应用中使用该模型的指南。

例如，可以在开发环境中使用此 curl 语句从模型获取相同的 JSON 响应：

curl -v -X POST "https://<YOUR_ENDPOINT_HERE>/language/:analyze-text?api-version=2022-05-01" -H "Content-Type: application/json" -H "Ocp-Apim-Subscription-Key: subscription key" --data-ascii "{\"kind\":\"SentimentAnalysis\",\"analysisInput\":{\"documents\":[{\"id\":\"documentId\",\"text\":\"Long waits...BUT FOR GOOD REASON. Some awesome Italian food and great vibes. Contoso Bistro always has live music or events going on to keep you entertained. The food is good enough to keep me entertained though!\n\n        The Contoso Bistro lasagna is a classic! The outdoor back patio is such a vibe, especially in the summer. Great service as well :) Love this place and will be back for more.\",\"language\":\"en\"}]},\"parameters\":{\"opinionMining\":true}}"

创建、训练和部署对话语言理解模型

Azure AI 语言中的每个可自定义功能都需要不同的步骤来创建模型。 在此示例中，你将了解如何创建对话语言理解模型。

对话语言理解旨在构建可预测对话文本意图的模型。 例如，设想一个电子邮件应用，你可以与之聊天以发送电子邮件或标记电子邮件。 你用“请向该电子邮件添加一个标志”或“好的，准备发送”这样的句子来训练模型。 这些句子将被转换为 flag email 和 send email 的意图。

若要使用语言理解，需要在 Azure 中创建 Azure AI 语言资源，然后在 Language Studio 中执行以下步骤：

  1. 在主页的“理解问题和对话语言”选项卡中选择“对话语言理解”。

  2. 选择“+ 创建新项目”。

  3. 输入新项目的名称。

  4. 选择您的语言。

  5. 输入说明，然后选择“下一步”。

  6. 选择创建。

    A screenshot of the created conversational language project.

Language Studio 将指导你完成剩余的步骤。 遵循左侧导航（从上到下）完成以下操作：

  1. 创建架构定义。 这涉及到添加应用感兴趣的所有意图和实体。

  2. 标记数据。 提供示例聊天和语句，以及它们如何映射到实体和意图。

  3. 训练模型。 添加数据标签信息后，便可以开始训练模型。 可以将所有数据拆分为 80% 用于训练，20% 用于测试。 或者你也可以按自己的比例手动拆分。

  4. 检查模型的性能。

  5. 部署模型。 当你对模型的性能感到满意时，便可以部署它。 这使得模型可以从应用中作为 API 调用并进行测试。

  6. 测试部署。 此选项允许采用和预配置模型相同的方式测试模型。

    A screenshot of testing a conversational language understanding model.

无论你使用哪种功能，最终都会得到一个模型，可以在应用程序中使用它来增加语言理解。

在 Azure AI 搜索的上下文中，这些模型可以帮助我们丰富搜索索引以创建更好的搜索体验。 或者在用户提问时提供答案。