Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Язык Azure — это облачная служба, которая предоставляет функции обработки естественного языка (NLP) для понимания и анализа текста. Эта служба помогает создавать интеллектуальные приложения с помощью веб-библиотек Microsoft Foundry, REST API и клиентских библиотек. Для разработки агента ИИ возможности службы также доступны в качестве инструментов на сервере MCP языка Azure, который доступен как удаленный сервер в каталоге инструментов Microsoft Foundry , так и в качестве локального сервера для локальных сред.
Основные возможности
Рекомендуется для новой разработки
Основные возможности — это основные, активно развивающиеся функции языка Azure. Эти функции получают текущие инвестиционные и функциональные обновления и рекомендуются для новых разработок и долгосрочного планирования. Если вы запускаете новый проект или разрабатываете будущую архитектуру, используйте основные возможности в качестве основы для рабочих процессов обработки естественного языка.
- Обнаружение личной идентифицируемой информации
- Распознавание языка
- Распознавание именованных сущностей (NER)
- Анализ текста для сферы здравоохранения
Tip
Не уверены, какую функцию следует использовать? Узнайте , какую основную функцию языка Azure следует использовать , чтобы помочь вам решить.
Microsoft Foundry позволяет использовать большинство следующих функций службы без необходимости писать код.
Обнаружение персонально идентифицируемой информации (PII)
Это важно
Функция анонимизации PII (замена синтетическим текстом) в инструменте Foundry Tools на платформе Azure в настоящее время доступна и лицензирована для вас в preview рамках подписки Azure. Использование этой функции распространяется на условия, применимые к предварительным версиям , как описано в дополнительных условиях использования для предварительных версий Microsoft Azure и надстройке защиты данных (DPA) продуктов и служб Майкрософт.
Обнаружение персонально идентифицируемой информации (PII) определяет сущности в тексте и беседах (в чате или расшифровках), связанных с отдельными лицами.
Личные данные беседы
Персональные идентифицирующие данные
Распознавание языка
Обнаружение языка оценивает текст и выявляет широкий спектр языков и диалектов с вариациями.
Пользовательский NER
Распознавание пользовательских именованных сущностей (CNER) позволяет создавать пользовательские модели ИИ для извлечения категорий пользовательских сущностей (меток слов или фраз), используя предоставленный неструктурированный текст.
Встроенная функциональность NER
Предварительно созданное распознавание именованных сущностей (NER) определяет различные записи в тексте и классифицирует их в предопределенные типы.
Анализ текста для сферы здравоохранения
Анализ текста в области здравоохранения извлекает и маркирует соответствующую информацию о здоровье из неструктурированного текста.
Устаревшие возможности
Поддерживается для существующих реализаций
Устаревшие возможности — это установленные функции, обеспечивающие стабильную, поддерживаемую базу для существующих рабочих нагрузок и сценариев. Эти функции поддерживаются для существующих реализаций и установленных вариантов использования.
- Распознавание речи в беседах
- Настраиваемая классификация текста
- Связывание сущностей
- Извлечение ключевых фраз
- Рабочий процесс оркестрации
- Ответы на вопросы
- Анализ тональности и анализ мнений
- Summarization
Распознавание устной речи
Распознавание устной речи (CLU) позволяет пользователям создавать настраиваемые модели распознавания естественного языка для прогнозирования общего намерения входящего речевого фрагмента и извлечения из него важных сведений.
Пользовательская классификация текстов
Настраиваемая классификация текста позволяет создавать пользовательские модели искусственного интеллекта для классификации неструктурированных текстовых документов в определяемые пользовательские классы. Создание проекта пользовательской классификации текста обычно включает несколько различных шагов:
Связывание сущностей
Связывание сущностей — это предварительно настроенная функция, которая устраняет неоднозначность идентичности сущностей (слов или фраз), найденных в неструктурированном тексте, и возвращает ссылки на Википедию.
Извлечение ключевых фраз
Извлечение ключевых фраз — это предварительно настроенная функция, которая оценивает и возвращает основные понятия в неструктурированном тексте и возвращает их в виде списка.
Рабочий процесс оркестрации
Рабочий процесс оркестрации — это настраиваемая функция, которая позволяет подключать приложения для понимания разговорного языка (CLU) и специального создания ответов на вопросы (CQA).
Ответы на вопросы
Ответ на вопросы — это пользовательская функция, которая определяет наиболее подходящий ответ для входных данных пользователей. Эта функция обычно используется для разработки разговорных клиентских приложений, включая платформы социальных сетей, чат-боты и настольные приложения с поддержкой речи.
Анализ настроений и извлечение мнений
Предварительно настроенные функции анализа тональности и анализа мнений, которые помогают понять общественное восприятие вашего бренда или темы. Эти функции анализируют текст для выявления положительной или отрицательной тональности и могут связывать их с определенными элементами.
Summarization
Суммирование сокращает информацию для текста и разговоров (чат и транскрипты).
Резюмирование разговора
Резюме беседы резюмирует и сегментирует длинные собрания на главы с отметкой времени.
Сводка центра вызовов
Сводка по колл-центру содержит информацию о проблемах клиентов и их решениях.
Суммаризация текста
Резюмирование текста создает краткое изложение, поддерживая два подхода:
Извлечение сводных данных создает сводку, выбрав ключевые предложения из документа и сохранив исходные позиции.
Абстрактная сводка создает сводку, создавая новые, краткие и последовательные предложения или фразы, которые не копируются непосредственно из исходного документа.
Доступные средства
Язык Azure предоставляет специализированные средства, обеспечивающие непрерывную интеграцию агентов ИИ и служб обработки языка с помощью стандартных протоколов.
Сервер MCP языка Azure
Сервер MCP (протокол контекста модели) создает стандартизованный мост, который подключает агенты ИИ непосредственно к службам языка Azure через отраслевые стандартные протоколы. Эта интеграция позволяет разработчикам создавать сложные диалоговые приложения с надежными возможностями обработки естественного языка, обеспечивая соответствие корпоративным уровням, защиту данных и точность обработки в рабочих процессах ИИ.
Язык Azure предоставляет как удаленные, так и локальные параметры сервера MCP:
- Удаленный сервер: доступен в каталоге средств Foundry для развертываний, размещенных в облаке.
- Локальный сервер: доступен для разработчиков, которые предпочитают размещать сервер в собственной среде.
Дополнительные сведения см. всервере языка MCP Azure.
Агенты языка Azure
Язык Azure предлагает предварительно созданные агенты, которые обрабатывают определенные сценарии ИИ бесед с встроенным управлением, логикой маршрутизации и механизмами контроля качества.
Агент маршрутизации намерений языка Azure
Агент маршрутизации намерений интеллектуально управляет потоками бесед, понимая намерения пользователей и предоставляя точные ответы в приложениях ИИ для общения. Этот агент использует предсказуемые процессы принятия решений в сочетании с управляемой генерацией ответов, чтобы обеспечить согласованное, надежное взаимодействие, которому организации могут доверять и которое они могут отслеживать.
Дополнительные сведения см. в разделе"Агент маршрутизации намерений языка Azure".
Агент точного ответа на вопросы в языковой платформе Azure
Агент точного ответа на вопросы предоставляет надежные ответы на самые важные бизнес-вопросы. Этот агент автоматизирует часто задаваемые вопросы с одновременным поддержанием человеческого контроля и контроля качества для обеспечения точности и соответствия требованиям.
Дополнительные сведения см. в агенте Azure Languageдля точных ответов на вопросы.
Какую основную функцию языка следует использовать?
В этом разделе показано, какой основной компонент языка следует использовать для приложения:
| Что вы хотите сделать? | Формат документа | Лучшее решение | Настраивается ли это решение?* |
|---|---|---|---|
Обнаружение и/или редактирование конфиденциальной информации, такой как PII и PHI. |
Неструктурированный текст, транскрибированные беседы |
Обнаружение личной идентифицируемой информации | |
| Извлеките категории сведений без создания пользовательской модели. | Неструктурированный текст | Предварительно настроенная функция NER | |
| Извлеките категории сведений с помощью модели, конкретной для ваших данных. | Неструктурированный текст | Пользовательский NER | ✓ |
| Извлеките медицинскую информацию из клинических или медицинских документов, не создавая модель. | Неструктурированный текст | Анализ текста для сферы здравоохранения |
* Если функция настраивается, вы можете обучить модель ИИ с помощью наших инструментов, чтобы точно соответствовать вашим данным. В противном случае функция предварительно настроена, т. е. модели ИИ, которые он использует, не могут быть изменены. Вы просто отправляете свои данные и используете выходные данные компонента в своих приложениях.
Какую устаревшую языковую функцию следует использовать?
В этом разделе показано, какие устаревшие языковые функции следует использовать для приложения:
| Что вы хотите сделать? | Формат документа | Лучшее решение | Настраивается ли это решение?* |
|---|---|---|---|
| Извлеките основные темы и важные фразы. | Неструктурированный текст | Извлечение ключевых фраз | |
| Определите тональность и мнения, выраженные в тексте. | Неструктурированный текст | Анализ тональности и анализ мнений | |
| Суммирование длинных фрагментов текста или бесед. | Неструктурированный текст, транскрибированные беседы. |
Summarization | |
| Разрешить неоднозначности сущностей и получить ссылки на Википедию. | Неструктурированный текст | Связывание сущностей | |
| Классифицируйте документы в одну или несколько категорий. | Неструктурированный текст | Настраиваемая классификация текста | ✓ |
| Определите язык, на который был написан текст. | Неструктурированный текст | Распознавание языка | |
| Прогнозирование намерения входных данных пользователей и извлечение информации из них. | Неструктурированные входные данные пользователей | Распознавание речи в беседах | ✓ |
| Подключите приложения, использующие понимание разговорного языка и пользовательскую систему ответов на вопросы. | Неструктурированные входные данные пользователей | Рабочий процесс оркестрации | ✓ |
| Создайте беседное приложение, которое отвечает на входные данные пользователей. | Неструктурированные входные данные пользователей | Ответы на вопросы | ✓ |
* Если функция настраивается, вы можете обучить модель ИИ с помощью наших инструментов, чтобы точно соответствовать вашим данным. В противном случае функция предварительно настроена, т. е. модели ИИ, которые он использует, не могут быть изменены. Вы просто отправляете свои данные и используете выходные данные компонента в своих приложениях.
Tutorials
После того как вы начнете с работы с инструкциями по быстрому старту Azure Language, попробуйте наши учебные пособия, которые показывают, как решать различные задачи.
- Извлечение ключевых фраз из текста, хранящегося в Power BI
- Использование Power Automate для сортировки информации в Microsoft Excel
- Использование Flask для перевода текста, анализа тональности и синтеза речи
- Использование средств Foundry в приложениях Canvas
- Создание бота с часто задаваемыми вопросами
Примеры кода
Дополнительные примеры кода можно найти на GitHub для следующих языков:
Развертывание в локальной среде с помощью контейнеров Docker
Используйте языковые контейнеры для развертывания функций API в локальной среде. Эти контейнеры Docker позволяют разместить службу ближе к данным для обеспечения безопасности, соответствия требованиям и других эксплуатационных преимуществ. Язык предлагает следующие контейнеры:
- Анализ тональности
- Распознавание языка
- Извлечение ключевых фраз
- Распознавание именованных сущностей на заказ
- Анализ текста для сферы здравоохранения
- Summarization
Ответственное применение ИИ
Система ИИ включает не только технологию, но и людей, которые используют ее, людей, пострадавших от нее, и среды развертывания. Ознакомьтесь с приведенными ниже статьями, чтобы узнать больше об ответственном использовании и развертывании искусственного интеллекта в своих системах.