命名實體識別（Named Entity Recognition，簡稱 NER）是 Azure Language 在 Foundry Tools 中提供的一項功能，該工具是一套雲端機器學習與 AI 演算法的集合，用於開發涉及書面語言的智慧應用程式。 NER 功能可以識別並分類非結構化文字中的實體。 例如：人員、地點、組織及數量。 預建的 NER 功能具有預先設定的辨識實體清單。 自訂 NER 功能可讓您訓練模型，以辨識特定於您使用案例的特殊化實體。
一般工作流程
若要使用此功能，您要提交資料以進行分析，並在您的應用程式中處理 API 輸出。 分析會按原樣執行，對您資料所使用的模型不會新增自訂項目。
建立一個 Azure 語言在 Foundry 工具中的資源，讓你能使用語言所提供的功能。 接著會產生密碼 (稱為金鑰)，以及您用來驗證 API 要求的端點 URL。
使用 REST API 或適用於 C#、JAVA、JavaScript 和 Python 的用戶端程式庫來建立要求。 您也可以使用批次要求傳送非同步呼叫，以便將多個功能的 API 要求合併成單一呼叫。
傳送包含文字資料的要求。 您的金鑰和端點會用於驗證。
將回應串流處理或儲存至本機。
開始使用具名實體辨識
若要使用具名實體辨識，您會提交原始非結構化文字供分析，並在應用程式中處理 API 輸出。 分析是按原樣執行，對針對您的資料所使用的模型不會進行額外的自訂。 使用具名實體辨識有兩種方式：
| 開發選項 | 描述 |
|---|---|
| Microsoft Foundry | Foundry 是一個基於網頁的平台，註冊時允許你使用帶有文字範例的命名實體識別，並附上你自己的資料。 欲了解更多資訊，請參閱 Foundry 官方網站 或 Foundry 文件。 |
| REST API 或用戶端程式庫 (Azure SDK) | 使用 REST API 或以各種語言提供的用戶端程式庫，將具名實體辨識整合至應用程式。 如需詳細資訊，請參閱具名實體辨識快速入門。 |
參考文件和程式碼範例
當您在應用程式中使用此功能時，請參閱以下 Azure 語言在 Foundry Tools 中的參考文件與範例：
| 開發選項/語言 | 參考文件 | 範例 |
|---|---|---|
| REST API | REST API 文件 (英文) | |
| C# | C# 文件 | C# 範例 |
| JAVA | Java 文件 | Java 範例 |
| JavaScript | JavaScript 文件 | JavaScript 範例 \(英文\) |
| Python | Python 文件 | Python 範例 |
負責任的 AI
AI 系統不僅包含其核心技術。 它也包括操作它的人員、受到其使用影響的人員，以及更廣泛的部署情境。 所有這些互連元素都會塑造 AI 的有效性和結果。 閱讀 NER 的透明度資訊，了解系統中負責任的 AI 使用和部署。 如需詳細資訊， 請參閱 下列文章：
案例
- 增強搜尋功能和搜尋索引。 客戶可以根據檔中偵測到的實體來建置知識圖表，以將檔搜尋增強為標籤。
- 自動化商務程式 - 保險理賠、可辨識的實體，例如名稱和位置，可以醒目提示以利檢閱。 支援單可以自動從電子郵件中產生，並包含客戶的姓名和公司資訊。
- 深入的客戶分析。 判斷客戶在評論、電子郵件和通話中傳達的最受歡迎資訊，以判斷一段時間的相關主題和趨勢。
後續步驟
有兩種方式可以開始使用具名實體辨識 (NER) 功能：
- Microsoft Foundry 是一個基於網頁的平台，讓你能在不寫程式碼的情況下使用多種語言功能。
- 參閱快速入門文章，以了解如何使用 REST API 和用戶端程式庫 SDK 對服務提出要求。