Comprendre les fonctionnalités prédéfinies du service Azure Language
Le service Azure Language fournit différentes fonctionnalités pour comprendre le langage humain. Vous pouvez utiliser chaque fonctionnalité pour mieux communiquer avec les utilisateurs, mieux comprendre la communication entrante ou les utiliser ensemble pour fournir plus d’informations sur ce que l’utilisateur dit, l’intention et la question.
Les fonctionnalités du service Azure Language se répartissent en deux catégories : les fonctionnalités préconfigurées et les fonctionnalités Apprises. Les fonctionnalités apprises nécessitent la création et l’apprentissage d’un modèle pour prédire correctement les étiquettes appropriées, qui sont couvertes dans les unités à venir de ce module.
Cette unité couvre la plupart des fonctionnalités du service Azure Language, mais passez à la documentation du service Azure Language pour obtenir une liste complète, y compris les guides de démarrage rapide et une explication complète de tout ce qui est disponible.
L’utilisation de ces fonctionnalités dans votre application nécessite l’envoi de votre requête au point de terminaison approprié. Le point de terminaison utilisé pour interroger une fonctionnalité spécifique varie, mais tous sont préfixés avec la ressource de langage Azure que vous avez créée dans votre compte Azure, soit lors de la génération de votre demande REST, soit lors de la définition de votre client à l’aide d’un KIT de développement logiciel (SDK). Vous trouverez des exemples de chacun dans l’unité suivante.
Fonctionnalités préconfigurées
Le service Azure Language fournit certaines fonctionnalités sans étiquetage ou formation de modèle. Une fois que vous avez créé votre ressource, vous pouvez envoyer vos données et utiliser les résultats retournés dans votre application.
Les fonctionnalités suivantes sont toutes préconfigurées.
Résumé
Un résumé est disponible pour les documents et les conversations, et résume le texte en phrases clés prédites pour encapsuler la signification de l’entrée.
Reconnaissance d'entité nommée
La reconnaissance d’entités nommées peut extraire et identifier des entités, comme des personnes, des lieux ou des entreprises, ce qui permet à votre application de reconnaître différents types d’entités pour améliorer les réponses en langage naturel. Par exemple, dans le texte « The waterfront pier is my favorite Seattle attraction », Seattle est identifié et classé comme un lieu.
Détection d’informations d’identification personnelle
La détection d’informations d’identification personnelle vous permet d’identifier, de classer et de censurer les informations qui peuvent être considérées comme sensibles, par exemple, des adresses e-mail, des adresses de domicile, des adresses IP, des noms et des informations médicales protégées. Par exemple, si le texte « email@contoso.com » a été ajouté dans la requête, l’adresse e-mail entière peut être identifiée et censurée.
Extraction d’expressions clés
L’extraction de phrases clés est une fonctionnalité qui extrait rapidement les principaux concepts du texte fourni. Par exemple, étant donné le texte « Analyse de texte est l’une des fonctionnalités des outils Foundry », le service extrairait « outils Foundry » et « Analyse de texte ».
Analyse des sentiments
L’analyse des sentiments identifie si une chaîne ou un document est positif ou négatif. Par exemple, pour le texte « Great hotel. Close to plenty of food and attractions we could walk to », le service identifie un sentiment positif avec un score de confiance relativement élevé.
Détection de langue
La détection de langue prend un ou plusieurs documents, et identifie la langue de chacun d’eux. Par exemple, si le texte de l’un des documents est « Bonjour », le service identifie que la langue est le Français.
Fonctionnalités apprises
Les fonctionnalités apprises vous obligent à étiqueter les données, à entraîner et déployer votre modèle pour pouvoir l’utiliser dans votre application. Ces fonctionnalités vous permettent de personnaliser les informations prédites ou extraites.
Remarque
La qualité des données a un impact considérable sur la justesse du modèle. Concentrez-vous sur les données à utiliser, la précision de l’étiquetage et la variété des données d’entraînement. Pour plus d’informations, consultez les recommandations d’étiquetage des données, qui comprennent des instructions précieuses pour l’étiquetage des données. Consultez également les métriques d’évaluation qui peuvent vous aider à voir ce que vous devez améliorer dans votre modèle.
Compréhension du langage courant (CLU)
CLU est l’une des principales fonctionnalités personnalisées offertes par Azure Language. CLU permet aux utilisateurs de créer des modèles de compréhension du langage naturel personnalisés pour prédire l’intention générale et extraire des informations importantes dans les énoncés entrants. CLU nécessite que les données soient étiquetées par l’utilisateur pour comprendre comment prédire les intentions et les entités avec justesse.
L’exercice de ce module consistera à construire un modèle CLU et à l'utiliser dans votre application.
Reconnaissance d’entités nommées personnalisées
La reconnaissance d’entités personnalisées prend des données étiquetées personnalisées et extrait des entités spécifiées dans du texte non structuré. Par exemple, si vous avez différents documents contractuels dont vous voulez extraire les parties impliquées, vous pouvez entraîner un modèle pour reconnaître la façon de les prédire.
Classification de texte personnalisée
La classification de texte personnalisée permet aux utilisateurs de classifier du texte ou des documents dans des groupes définis personnalisés. Par exemple, vous pouvez entraîner un modèle pour examiner les articles d’actualités et identifier la catégorie à laquelle ils appartiennent, comme Actualités ou Divertissement.
Réponses aux questions
La réponse aux questions est une fonctionnalité principalement préconfigurée qui fournit des réponses aux questions fournies comme entrée. Les données permettant de répondre à ces questions proviennent de documents comme des FAQ ou des manuels.
Par exemple, supposons que vous voulez créer un assistant de conversation virtuel sur le site web de votre entreprise pour répondre aux questions courantes. Vous pouvez utiliser un FAQ d’entreprise comme document d’entrée pour créer les paires question-réponse. Une fois déployé, votre assistant de conversation peut passer des questions d’entrée au service et obtenir les réponses.
Pour obtenir la liste complète des fonctionnalités et comment les utiliser, consultez la documentation du langage Azure.