共用方式為

定型自訂具名實體辨識模型

定型是模型從標記資料中學習的流程。 完成定型後，您可以檢視模型的效能，並判斷是否需要改善模型。

若要定型模型，您可以啟動定型作業，而且只有順利完成的作業會建立模型。 定型作業會在七天後到期，這表示您在此時間後無法擷取作業詳細資料。 如果你的訓練工作成功完成且模型已建立，該模型不會受到影響。 您一次只能執行一個定型作業，而且您無法在同一個專案中啟動其他作業。

訓練時間會有所不同。 訓練時間從處理少量文件時幾分鐘到數小時不等，視資料集大小和結構的複雜度而定。

先決條件

請參閱 專案開發生命週期。

資料分割

開始定型程序之前，專案中加上標籤的文件會分成定型集和測試集。 每一個都提供不同的功能。 訓練集用於訓練模型。 它是模型學習標記實體以及要擷取哪些文字區段作為實體的集合。 該測試集是一個盲集，不會在定型期間 (而是只在評估期間) 引入模型。 模型訓練成功完成後，模型會根據測試文件進行預測，並計算 評估指標 。 建議您確定所有實體都已充分呈現在訓練和測試集中。

自訂 NER 支援兩種資料分割方法：

  • 自動將測試集與訓練資料分離：系統會根據你選擇的百分比，將標記的資料分配到訓練集和測試集之間。 建議的百分比分割是 80% 用於定型，20% 用於測試。

附註

如果您選擇 [ 從定型數據自動分割測試集 ] 選項，則只有指派給定型集的數據會根據提供的百分比來分割。

  • 使用手動分割定型和測試資料：此方法可讓使用者定義哪些具有標籤的文件應該屬於哪個集合。 若您在資料標註過程中將文件加入測試集，此步驟才會啟用。

訓練模型（REST API）

當你標記好資料並設定好資料分割設定後，就可以開始使用 REST API 訓練自訂的 NER 模型。 培訓流程包括提交培訓工作申請並監控進度直到完成。 本節提供啟動訓練及檢查訓練工作狀態所需的 API 呼叫。

開始定型作業

使用下列 URL、標頭和 JSON 本文來提交 POST 要求，以提交定型作業。 以您自己的值取代預留位置值。

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}
預留位置 值 範例
{ENDPOINT} 用於驗證 API 要求的端點。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} 您專案的名稱。 此值區分大小寫。 myProject
{API-VERSION} 您所呼叫 API 的版本。 所引用的值為最新版本。 欲了解更多資訊， 請參閱模型生命週期。 2022-05-01

headers

使用下列標頭來驗證您的要求。

Key 值
Ocp-Apim-Subscription-Key 資源的金鑰。 用於驗證 API 要求。

請求主體

在您的要求本文中使用下列 JSON。 訓練完成之後，該模型會被指定為 {MODEL-NAME}。 只有成功的培訓工作才能產生模型。

{
    "modelLabel": "{MODEL-NAME}",
    "trainingConfigVersion": "{CONFIG-VERSION}",
    "evaluationOptions": {
        "kind": "percentage",
        "trainingSplitPercentage": 80,
        "testingSplitPercentage": 20
    }
}
Key 預留位置 值 範例
modelLabel {MODEL-NAME} 在成功訓練之後指派給模型的模型名稱。 myModel
trainingConfigVersion {CONFIG-VERSION} 這是用來訓練模型的 模型版本 。 2022-05-01
evaluationOptions 將您的資料分割到定型集和測試集的選項。 {}
種類 percentage 分割方法。 可能的值為 percentage 或 manual。 如需詳細資訊， 請參閱如何定型模型。 percentage
trainingSplitPercentage 80 要包含在定型集中的標記資料百分比。 建議的值為 80。 80
testingSplitPercentage 20 要包含在測試集中的標記資料百分比。 建議的值為 20。 20

附註

只有在 trainingSplitPercentage 設定為 testingSplitPercentage 且這兩個百分比的總和應該等於 100 時，才需要 Kind 和 percentage。

傳送 API 請求後，您會收到回應 202 ，指出任務已正確提交。 在回應標頭中，擷取 location 的值，格式如下：

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

{JOB-ID} 用來識別您的要求，因為此為非同步作業。 您可以使用此 URL 來取得定型狀態。

查詢培訓職缺狀態（REST API）

訓練可能需要一些時間，這取決於你的訓練資料大小和結構的複雜度。 你可以使用以下請求持續查詢培訓工作狀態，直到成功完成。

使用下列 GET 要求來取得模型定型程序的狀態。 以您自己的值取代預留位置值。

要求 URL

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
預留位置 值 範例
{ENDPOINT} 用於驗證 API 要求的端點。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} 您專案的名稱。 此值區分大小寫。 myProject
{JOB-ID} 用來尋找模型定型狀態的識別碼。 此值是在上一個步驟中收到的 location 標頭值。 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} 您所呼叫 API 的版本。 所引用的值為最新版本。 欲了解更多資訊， 請參閱模型生命週期。 2022-05-01

headers

使用下列標頭來驗證您的要求。

Key 值
Ocp-Apim-Subscription-Key 資源的金鑰。 用於驗證 API 要求。

回應本文

一旦你發送請求，就會收到以下回覆。

{
  "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"
}

取消訓練工作（REST API）

如果你需要停止正在進行中的訓練工作，可以用 REST API 取消它。 當你發現資料或設定有問題，想要在重新開始訓練流程前做修正時，取消訓練工作非常有用。

使用下列 URL、標頭和 JSON 本文來建立 POST 要求，以取消定型工作。

要求 URL

建立 API 要求時，請使用下列 URL。 以您自己的值取代預留位置值。

{Endpoint}/language/authoring/analyze-text/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}/:cancel?api-version={API-VERSION}
預留位置 值 範例
{ENDPOINT} 用於驗證 API 要求的端點。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} 您專案的名稱。 此值區分大小寫。 EmailApp
{JOB-ID} 此值是定型工作識別碼。 XXXXX-XXXXX-XXXX-XX
{API-VERSION} 您所呼叫 API 的版本。 所參考的值適用於最新發行的模型版本。 2022-05-01

headers

使用下列標頭來驗證您的要求。

Key 值
Ocp-Apim-Subscription-Key 資源的金鑰。 用於驗證 API 要求。

在您發送 API 請求後，您會收到一個 202 回應，其中包含用來檢查任務狀態的Operation-Location 標頭。

後續步驟

完成定型後，您可以檢視模型效能，並視需要選擇性地改善模型。 在對模型感到滿意之後，您就可以將其部署並用於從文字中擷取實體。

  • Last updated on