你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
命名实体识别（NER）是 Foundry Tools 中的 Azure 语言提供的功能之一，它是云中机器学习和 AI 算法的集合，用于开发涉及书面语言的智能应用程序。 NER 功能可以识别非结构化文本中的实体并进行分类。 例如：人员、地点、组织和数量。 预生成的 NER 功能具有预设的已识别实体列表。 使用自定义 NER 功能，可以训练模型以识别特定于用例的专用实体。
典型工作流
若要使用此功能，需要提交数据进行分析并处理应用程序中的 API 输出。 分析会按原样进行，不会对数据上使用的模型添加自定义。
在 Foundry Tools 资源中创建 Azure 语言，该资源授予你对语言提供的功能的访问权限。 它会生成一个密码（称为密钥）和一个终结点 URL，你将使用它们来对 API 请求进行身份验证。
使用 REST API 或 C#、Java、JavaScript 和 Python 的客户端库创建请求。 还可以使用批处理请求发送异步调用，以将多个功能的 API 请求合并到一个调用中。
发送包含文本数据的请求。 密钥和终结点将用于进行身份验证。
在本地流式处理或存储响应。
命名实体识别入门
若要使用命名实体识别，需在应用程序中提交原始非结构化文本进行分析并处理 API 输出。 分析会按原样进行，不会对数据上使用的模型进行任何额外的定制。 可通过两种方式使用命名实体识别：
| 开发选项 | 说明 |
|---|---|
| Microsoft Foundry | Foundry 是一个基于 Web 的平台，支持你在注册后将命名实体识别用于包含自己数据的文本示例。 有关详细信息，请参阅 Foundry 网站或Foundry 文档。 |
| REST API 或客户端库 (Azure SDK) | 使用 REST API 或以各种语言提供的客户端库将命名实体识别集成到应用程序中。 有关详细信息，请参阅命名实体识别快速入门。 |
参考文档和代码示例
在应用程序中使用此功能时，请参阅 Foundry Tools 中 Azure 语言的以下参考文档和示例：
| 开发选项/语言 | 参考文档 | 示例 |
|---|---|---|
| REST API | REST API 文档 | |
| C# | C# 文档 | C# 示例 |
| Java | Java 文档 | Java 示例 |
| JavaScript | JavaScript 文档 | JavaScript 示例 |
| Python | Python 文档 | Python 示例 |
负责任的 AI
AI 系统不仅仅是其核心技术。 它还包括运行它的人员、其使用影响的人员以及更广泛的部署上下文。 所有这些互连元素都塑造了 AI 的有效性和结果。 阅读 NER 的透明度说明，了解如何在系统中负责任地使用和部署 AI。 有关详细信息， 请参阅 以下文章：
方案
- 增强搜索功能和搜索索引。 客户可以根据文档中检测到的实体生成知识图，以增强文档搜索作为标记。
- 自动化业务流程 - 可以突出显示保险索赔、已识别的实体（如名称和位置）以方便审阅。 可以从电子邮件中自动提取客户名称和公司，生成支持票证。
- 深入的客户分析。 确定客户在评论、电子邮件和通话中传达的最常用信息，以确定随时间推移的相关主题和趋势。
Next steps
可以通过两种方式开始使用命名实体识别 (NER) 功能：
- Microsoft Foundry 是一个基于 Web 的平台，可用于使用多种语言功能，而无需编写代码。
- 有关使用 REST API 和客户端库 SDK 向服务发出请求的说明，请参阅快速入门文章。