배포가 성공적으로 추가되면 배포를 쿼리하여 배포에 할당한 모델을 기반으로 텍스트에서 엔터티를 추출할 수 있습니다.
예측 API를 사용하거나 클라이언트 라이브러리(Azure SDK)를 통해 프로그래밍 방식으로 배포를 쿼리할 수 있습니다.
배포된 모델 테스트
프로젝트에 대한 최신 정보를 조회하고, 필요한 변경을 하고, Microsoft Foundry를 통해 프로젝트 관리 작업을 효율적으로 감독할 수 있습니다.
Language Studio 내에서 배포된 모델을 테스트하려면 다음을 수행합니다.
왼쪽 메뉴에서 배포 테스트를 선택합니다.
테스트할 배포를 선택합니다. 배포에 할당된 모델만 테스트할 수 있습니다.
다국어 프로젝트의 경우 언어 드롭다운에서 테스트할 텍스트의 언어를 선택합니다.
드롭다운에서 쿼리/테스트하려는 배포를 선택합니다.
요청에 제출할 텍스트를 입력하거나 사용할
.txt파일을 업로드할 수 있습니다.상단 메뉴에서 테스트 실행을 선택합니다.
결과 탭에 텍스트에서 추출된 엔터티와 해당 형식이 표시됩니다. 또한 JSON 탭 아래에는 JSON 응답이 표시됩니다.
사용자 지정 NER 작업 제출
이 POST 요청을 사용하여 텍스트 분류 작업을 시작합니다.
{ENDPOINT}/language/analyze-text/jobs?api-version={API-VERSION}
| 자리 표시자 | 값 | 예제 |
|---|---|---|
{ENDPOINT} |
API 요청을 인증하기 위한 엔드포인트입니다. | https://<your-custom-subdomain>.cognitiveservices.azure.com |
{API-VERSION} |
호출하는 API의 버전입니다. 참조되는 값은 릴리스된 최신 버전에 대한 값입니다. 자세한 내용은 모델 수명 주기를 참조하세요. | 2022-05-01 |
헤더
| 키 | 값 |
|---|---|
| Ocp-Apim-Subscription-Key | 이 API에 대한 액세스를 제공하는 키입니다. |
본문
{
"displayName": "Extracting entities",
"analysisInput": {
"documents": [
{
"id": "1",
"language": "{LANGUAGE-CODE}",
"text": "Text1"
},
{
"id": "2",
"language": "{LANGUAGE-CODE}",
"text": "Text2"
}
]
},
"tasks": [
{
"kind": "CustomEntityRecognition",
"taskName": "Entity Recognition",
"parameters": {
"projectName": "{PROJECT-NAME}",
"deploymentName": "{DEPLOYMENT-NAME}"
}
}
]
}
| 키 | 자리 표시자 | 값 | 예제 |
|---|---|---|---|
displayName |
{JOB-NAME} |
작업 이름입니다. | MyJobName |
documents |
, , | 작업을 실행할 문서 목록입니다. | [{},{}] |
id |
{DOC-ID} |
문서 이름 또는 ID입니다. | doc1 |
language |
{LANGUAGE-CODE} |
문서의 언어 코드를 지정하는 문자열입니다. 이 키를 지정하지 않으면 서비스는 프로젝트를 만드는 동안 선택한 프로젝트의 기본 언어를 가정합니다. 지원되는 언어 코드 목록은 언어 지원을 참조하세요. | en-us |
text |
{DOC-TEXT} |
작업을 실행할 작업을 문서화합니다. | Lorem ipsum dolor sit amet |
tasks |
수행하려는 작업 목록입니다. | [] |
|
taskName |
CustomEntityRecognition |
작업 이름 | CustomEntityRecognition |
parameters |
작업에 전달할 매개 변수 목록입니다. | ||
project-name |
{PROJECT-NAME} |
프로젝트에 대한 이름입니다. 이 값은 대/소문자를 구분합니다. | myProject |
deployment-name |
{DEPLOYMENT-NAME} |
배포의 이름입니다. 이 값은 대/소문자를 구분합니다. | prod |
응답
작업이 성공적으로 제출되었음을 나타내는 202 응답이 표시됩니다. 응답 헤더에서 operation-location을 추출합니다.
operation-location 형식은 다음과 같습니다.
{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}
이 URL을 사용하여 작업 완료 상태를 쿼리하고 작업이 완료되면 결과를 가져올 수 있습니다.
작업 결과 가져오기
다음 GET 요청을 사용하여 사용자 지정 엔터티 인식 작업의 상태/결과를 쿼리합니다.
{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}
| 자리 표시자 | 값 | 예제 |
|---|---|---|
{ENDPOINT} |
API 요청을 인증하기 위한 엔드포인트입니다. | https://<your-custom-subdomain>.cognitiveservices.azure.com |
{API-VERSION} |
호출하는 API의 버전입니다. 참조되는 값은 릴리스된 최신 버전에 대한 값입니다. 자세한 내용은 모델 수명 주기를 참조하세요. | 2022-05-01 |
헤더
| 키 | 값 |
|---|---|
| Ocp-Apim-Subscription-Key | 이 API에 대한 액세스를 제공하는 키입니다. |
응답 본문
응답은 다음 매개 변수가 포함된 JSON 문서입니다.
{
"createdDateTime": "2021-05-19T14:32:25.578Z",
"displayName": "MyJobName",
"expirationDateTime": "2021-05-19T14:32:25.578Z",
"jobId": "xxxx-xxxx-xxxxx-xxxxx",
"lastUpdateDateTime": "2021-05-19T14:32:25.578Z",
"status": "succeeded",
"tasks": {
"completed": 1,
"failed": 0,
"inProgress": 0,
"total": 1,
"items": [
{
"kind": "EntityRecognitionLROResults",
"taskName": "Recognize Entities",
"lastUpdateDateTime": "2020-10-01T15:01:03Z",
"status": "succeeded",
"results": {
"documents": [
{
"entities": [
{
"category": "Event",
"confidenceScore": 0.61,
"length": 4,
"offset": 18,
"text": "trip"
},
{
"category": "Location",
"confidenceScore": 0.82,
"length": 7,
"offset": 26,
"subcategory": "GPE",
"text": "Seattle"
},
{
"category": "DateTime",
"confidenceScore": 0.8,
"length": 9,
"offset": 34,
"subcategory": "DateRange",
"text": "last week"
}
],
"id": "1",
"warnings": []
}
],
"errors": [],
"modelVersion": "2020-04-01"
}
}
]
}
}
먼저 리소스 키와 엔드포인트를 가져와야 합니다.
키 및 엔드포인트 가져오기
다음으로 애플리케이션을 API에 연결하기 위해 리소스의 키와 엔드포인트가 필요합니다. 키와 엔드포인트는 이 빠른 시작의 뒷부분에서 코드에 붙여넣습니다.
Azure 언어 리소스가 성공적으로 배포되면 다음 단계에서리소스로 이동 단추를 클릭합니다.
리소스에 대한 화면에서 왼쪽 창에서 키 및 엔드포인트 를 선택합니다. 아래 단계에서 키와 엔드포인트 중 하나를 사용합니다.
선택한 언어에 대한 클라이언트 라이브러리 패키지를 다운로드하여 설치합니다.
언어 패키지 버전 .NET 5.2.0-beta.3 Java 5.2.0-beta.3 JavaScript 6.0.0-beta.1 Python 5.2.0b4 클라이언트 라이브러리를 설치한 후 GitHub에서 다음 샘플을 사용하여 API 호출을 시작합니다.
자세한 내용은 다음 참조 설명서를 참조 하세요.