Share via


Wat is NER (Named Entity Recognition) in Azure AI Language?

Named Entity Recognition (NER) is een van de functies van Azure AI Language, een verzameling machine learning- en AI-algoritmen in de cloud voor het ontwikkelen van intelligente toepassingen die betrekking hebben op geschreven taal. De NER-functie kan entiteiten in ongestructureerde tekst identificeren en categoriseren. Bijvoorbeeld: personen, plaatsen, organisaties en hoeveelheden. De vooraf gemaakte NER-functie heeft een vooraf ingestelde lijst met herkende entiteiten. Met de aangepaste NER-functie kunt u het model trainen om gespecialiseerde entiteiten te herkennen die specifiek zijn voor uw use-case.

  • Quickstarts zijn aan de slag-instructies om u te begeleiden bij het indienen van aanvragen bij de service.
  • Instructiegidsen bevatten instructies voor het gebruik van de service op specifiekere of aangepaste manieren.
  • De conceptuele artikelen bieden uitgebreide uitleg over de functionaliteit en functies van de service.

Notitie

Entiteitsomzetting is bijgewerkt naar de entiteitsmetagegevens vanaf API-versie 2023-04-15-preview. Als u de preview-versie van de API aanroept die gelijk is aan of hoger is dan 2023-04-15-preview, raadpleegt u het artikel Entiteitmetagegevens om de oplossingsfunctie te gebruiken.

Standaardwerkstroom

Als u deze functie wilt gebruiken, verzendt u gegevens voor analyse en verwerkt u de API-uitvoer in uw toepassing. Analyse wordt uitgevoerd als zodanig, zonder dat er aanpassingen zijn toegevoegd aan het model dat op uw gegevens wordt gebruikt.

  1. Maak een Azure AI Language-resource, waarmee u toegang krijgt tot de functies die door Azure AI Language worden aangeboden. Er wordt een wachtwoord gegenereerd (een sleutel genoemd) en een eindpunt-URL die u gebruikt om API-aanvragen te verifiëren.

  2. Maak een aanvraag met behulp van de REST API of de clientbibliotheek voor C#, Java, JavaScript en Python. U kunt ook asynchrone aanroepen verzenden met een batchaanvraag om API-aanvragen voor meerdere functies te combineren tot één aanroep.

  3. Verzend de aanvraag met uw tekstgegevens. Uw sleutel en eindpunt worden gebruikt voor verificatie.

  4. U kunt het antwoord streamen of lokaal opslaan.

Aan de slag met herkenning van benoemde entiteiten

Als u herkenning van benoemde entiteiten wilt gebruiken, verzendt u onbewerkte ongestructureerde tekst voor analyse en verwerkt u de API-uitvoer in uw toepassing. Analyse wordt uitgevoerd als zodanig, zonder extra aanpassingen aan het model dat op uw gegevens wordt gebruikt. Er zijn twee manieren om benoemde entiteitsherkenning te gebruiken:

Ontwikkelingsoptie Beschrijving
Taalstudio Language Studio is een webplatform waarmee u entiteitskoppelingen kunt proberen met tekstvoorbeelden zonder een Azure-account en uw eigen gegevens wanneer u zich aanmeldt. Zie de quickstart voor Language Studio of Language Studio voor meer informatie.
REST API of clientbibliotheek (Azure SDK) Integreer benoemde entiteitsherkenning in uw toepassingen met behulp van de REST API of de clientbibliotheek die beschikbaar is in verschillende talen. Zie de quickstart voor herkenning van benoemde entiteiten voor meer informatie.

Referentiedocumentatie en codevoorbeelden

Als u deze functie in uw toepassingen gebruikt, raadpleegt u de volgende referentiedocumentatie en voorbeelden voor Azure AI Language:

Ontwikkelingsoptie/taal Referentiedocumentatie Voorbeelden
REST-API REST API-documentatie
C# C#-documentatie C#-voorbeelden
Java Java-documentatie Java-voorbeelden
JavaScript Documentatie over JavaScript JavaScript-voorbeelden
Python Python-documentatie Python-voorbeelden

Verantwoorde AI

Een AI-systeem omvat niet alleen de technologie, maar ook de mensen die het gebruiken, de personen die worden beïnvloed door het systeem en de omgeving waarin het wordt geïmplementeerd. Lees de transparantienotitie voor NER voor meer informatie over verantwoord AI-gebruik en -implementatie in uw systemen. U kunt ook de volgende artikelen voor meer informatie bekijken:

Scenario's

  • Zoekmogelijkheden en zoekindexering verbeteren: klanten kunnen kennisgrafieken bouwen op basis van entiteiten die zijn gedetecteerd in documenten om documentzoekopdrachten als tags te verbeteren.
  • Bedrijfsprocessen automatiseren: bij het controleren van verzekeringsclaims kunnen herkende entiteiten, zoals naam en locatie, worden gemarkeerd om de beoordeling te vergemakkelijken. Of een ondersteuningsticket kan automatisch worden gegenereerd met de naam en het bedrijf van een klant vanuit een e-mailbericht.
  • Klantanalyse: bepaal de populairste informatie die klanten overbrengen in beoordelingen, e-mails en oproepen om de meest relevante onderwerpen te bepalen die in de loop van de tijd worden opgevoed en trends bepalen.

Volgende stappen

Er zijn twee manieren om aan de slag te gaan met de functie Named Entity Recognition (NER):

  • Language Studio, een webplatform waarmee u verschillende Azure AI Language-functies kunt uitproberen zonder dat u code hoeft te schrijven.
  • Het quickstart-artikel voor instructies voor het indienen van aanvragen voor de service met behulp van de REST API en clientbibliotheek-SDK.