Grundlegendes zu den vordefinierten Funktionen des Azure-Sprachdiensts
Der Azure-Sprachdienst bietet verschiedene Features zum Verständnis der menschlichen Sprache. Sie können jede Funktion verwenden, um besser mit Nutzern zu kommunizieren, und eingehende Kommunikation besser zu verstehen oder sie zusammen zu verwenden, um mehr Einblick darin zu gewinnen, was der Benutzer sagt, beabsichtigt und fragt.
Azure Language Service-Features sind in zwei Kategorien unterteilt: Vorkonfigurierte Features und gelernte Features. Die gelernten Features erfordern das Erstellen und Trainieren eines Modells, um geeignete Bezeichnungen korrekt vorherzusagen, die in anstehenden Einheiten dieses Moduls behandelt werden.
Diese Einheit behandelt die meisten Funktionen des Azure-Sprachdiensts, aber gehen Sie zur Dokumentation des Azure-Sprachdiensts für eine vollständige Liste, einschließlich Schnellstarts und einer vollständigen Erläuterung aller verfügbaren Informationen.
Die Verwendung dieser Features in Ihrer App erfordert das Senden Ihrer Abfrage an den entsprechenden Endpunkt. Der Endpunkt, der zum Abfragen eines bestimmten Features verwendet wird, variiert, aber alle werden der Azure Language-Ressource vorangestellt, die Sie in Ihrem Azure-Konto erstellt haben, entweder beim Erstellen Ihrer REST-Anforderung oder beim Definieren Ihres Clients mithilfe eines SDK. Beispiele für jede finden Sie in der nächsten Einheit.
Vorkonfigurierte Features
Der Azure-Sprachdienst stellt bestimmte Features ohne Modellbezeichnung oder Schulung bereit. Nachdem Sie Ihre Ressource erstellt haben, können Sie Ihre Daten senden und die zurückgegebenen Ergebnisse in Ihrer App verwenden.
Die folgenden Features sind alle vorkonfiguriert.
Zusammenfassung
Zusammenfassungen sind sowohl für Dokumente als auch Unterhaltungen verfügbar und werden den Text in Schlüsselsätzen zusammenfassen, mit denen die Bedeutung der Eingabe umfassend vorhergesagt werden soll.
Benannte Entitätserkennung
Benannte Entitätserkennung kann Entitäten extrahieren und identifizieren, z. B. Personen, Orte oder Unternehmen, wodurch Ihre App verschiedene Arten von Entitäten für verbesserte natürliche Sprachantworten erkennen kann. Beispielsweise würde im Text „Der Waterfront Pier ist meine Lieblingsattraktion in Seattle.“ Seattle identifiziert und als Ort kategorisiert werden.
Erkennung personenbezogener Informationen (Personally Identifiable Information, PII)
Mit der Erkennung personenbezogener Endbenutzerinformationen können Sie Informationen identifizieren, kategorisieren und schwärzen, die vertraulich sein könnten, wie z. B. E-Mail-Adressen, Wohnanschriften, IP-Adressen, Namen und geschützte Gesundheitsinformationen. Wenn z. B. der Text „email@contoso.com“ in die Abfrage einbezogen wurde, kann die gesamte E-Mail-Adresse identifiziert und geschwärzt werden.
Schlüsselphrasenextraktion
Die Schlüsselbegriffserkennung ist ein Feature, das schnell die Hauptaussagen aus dem bereitgestellten Text zieht. Beispielsweise würde der Dienst angesichts des Texts "Textanalyse ist eines der Features in Foundry Tools" die Begriffe "Textanalyse" und "Foundry Tools" extrahieren.
Stimmungsanalyse
Die Stimmungsanalyse identifiziert, wie positiv oder negativ eine Zeichenfolge oder ein Dokument sind. Beispielsweise würde der Dienst bei dem Text „Tolles Hotel. Nah an vielen Restaurants und Attraktionen, zu denen wir gehen konnten“, erkennen, dass er mit einem relativ hohen Konfidenz-Score positiv ist.
Spracherkennung
Die Spracherkennung übernimmt mindestens ein Dokument und identifiziert die Sprache für jedes. Wenn beispielsweise der Text eines der Dokumente „Bonjour“ war, würde der Dienst dies als Französisch identifizieren.
Angelernte Features
Angelernte Features erfordern, dass Sie Daten bezeichnen, trainieren und Ihr Modell bereitstellen, um es in Ihrer Anwendung zu verwenden. Mit diesen Features können Sie anpassen, welche Informationen vorhergesagt oder extrahiert werden.
Hinweis
Die Qualität der Daten wirkt sich erheblich auf die Genauigkeit des Modells aus. Achten Sie darauf, welche Daten verwendet werden, wie gut sie markiert oder bezeichnet sind, und wie vielfältig die Trainingsdaten sind. Ausführliche Informationen finden Sie unter Empfehlungen für die Bezeichnung von Daten, was wertvolle Richtlinien für das Markieren von Daten enthält. Sehen Sie sich auch die Bewertungsmetriken an, die Ihnen dabei helfen können, zu lernen, wo Ihr Modell verbessert wer´den muss.
Conversational Language Understanding (CLU)
CLU ist eine der wichtigsten benutzerdefinierten Features von Azure Language. CLU hilft Benutzern, benutzerdefinierte natürliche Language Understanding-Modelle zu erstellen, um übergreifende Absichten vorherzusagen und wichtige Informationen aus eingehenden Ausdrücken zu extrahieren. CLU erfordert, dass Daten vom Benutzer markiert werden, um zu vermitteln, wie Absichten und Entitäten genau vorhergesagt werden.
Die Übung in diesem Modul wird darin bestehen, ein CLU-Modell zu erstellen und es in Ihrer App zu verwenden.
Anpassbare Erkennung benannter Entitäten
Benutzerdefinierte Entitätserkennung verwendet benutzerdefinierte bezeichnete Daten und extrahiert angegebene Entitäten aus unstrukturiertem Text. Wenn Sie z. B. über verschiedene Vertragsdokumente verfügen, aus denen Sie beteiligte Parteien extrahieren möchten, können Sie ein Modell trainieren zu erkennen, wie es sie vorhersagt.
Benutzerdefinierte Textklassifizierung
Mit benutzerdefinierter Textklassifizierung können Benutzer Text oder Dokumente als benutzerdefinierte Gruppen klassifizieren. Sie können beispielsweise ein Modell trainieren, um Nachrichtenartikel zu betrachten und die Kategorie zu identifizieren, in die sie fallen sollten, z. B. Nachrichten oder Unterhaltung.
Beantwortung von Fragen
Die Fragebeantwortung ist ein meist vorkonfiguriertes Feature, das Antworten auf Fragen bereitstellt, die als Eingabe bereitgestellt werden. Die Daten, mit denen diese Fragen beantwortet werden, stammen aus Dokumenten wie FAQs oder Anleitungen.
Angenommen, Sie möchten einen virtuellen Chat-Assistenten auf Ihrer Unternehmenswebsite erstellen, um häufige gestellte Fragen zu beantworten. Sie können ein Unternehmens-FAQ als Eingabedokument verwenden, um die Frage- und Antwortpaare zu erstellen. Nach der Bereitstellung kann Ihr Chat-Assistent Eingabefragen an den Dienst übergeben und die Antworten als Ergebnis abrufen.
Eine vollständige Liste der Funktionen und deren Verwendung finden Sie in der Azure-Sprachdokumentation.