AutoML 文字 NER (具名專案辨識)
本文描述 Azure Machine Learning 設計工具中的一個元件。
使用此元件來建立以 AutoML 文字 NER 為基礎的機器學習模型。
具名實體辨識 (NER) 是 Azure AI 語言所提供的其中一項功能。 NER 功能可以識別並分類非結構化文字中的實體。 如需 NER 的詳細資訊
如何設定
此元件會訓練文字資料的 NLP 分類模型。 文字分類是受監督的學習工作，而且需要加上卷 標的資料集 ，其中包含具有所有資料列值的標籤資料行。
此模型需要定型和驗證資料集。 資料集必須是 ML 資料表格式。
將 AutoML 文字 NER 元件新增至管線。
指定您想要 AutoML 用來測量模型成功 的主要計量 。
(選擇性) 選取資料集包含的語言。 如需支援語言的完整清單，請造訪此連結。
(選擇性) 您可以設定超參數。 如需可設定超參數的完整清單，請流覽此連結
(選擇性) 作業掃掠設定是可設定的。 請造訪此連結，以深入瞭解 每個可設定的參數。
(可設定選擇性) 作業限制設定。 請流覽此連結以深入瞭解 這些設定。
後續步驟
請參閱 Azure Machine Learning 可用的元件集。