Dela via

Transparensanteckning för extrahering av nyckelfraser

Viktigt!

Översättningar som inte är engelska tillhandahålls endast för enkelhetens skull. Se versionen EN-US av det här dokumentet för den slutgiltiga versionen.

Vad är en transparensanteckning?

Viktigt!

Den här artikeln förutsätter att du är bekant med riktlinjer och metodtips för Azure AI Language. Mer information finns i Transparensanteckning för Azure AI Language.

Ett AI-system omfattar inte bara tekniken, utan även de personer som ska använda den, de personer som påverkas av den och miljön där den distribueras. Att skapa ett system som är lämpligt för sitt avsedda syfte kräver en förståelse för hur tekniken fungerar, dess funktioner och begränsningar och hur du uppnår bästa prestanda. Microsofts transparensanteckningar är avsedda att hjälpa dig att förstå hur vår AI-teknik fungerar, vilka val systemägare kan göra som påverkar systemets prestanda och beteende samt vikten av att tänka på hela systemet, inklusive teknik, människor och miljö. Du kan använda Transparensanteckningar när du utvecklar eller distribuerar ditt eget system eller delar dem med de personer som kommer att använda eller påverkas av systemet.

Microsofts transparensanteckningar är en del av ett bredare arbete hos Microsoft för att omsätta våra AI-principer i praktiken. Mer information finns i Ansvarsfulla AI-principer från Microsoft.

Introduktion till extrahering av nyckelfraser

Med funktionen Extrahering av nyckelfraser i Azure AI kan du snabbt identifiera huvudbegreppen i text. Till exempel, i texten "Maten var utsökt och det fanns underbar personal", nyckelfras extrahering kommer att returnera de viktigaste samtalspunkterna: "mat" och "underbar personal". Icke-väsentliga ord ignoreras enkla termer eller fraser som verkar vara ämne eller objekt i en mening returneras.

Observera att ingen konfidenspoäng returneras för den här funktionen, till skillnad från vissa andra Azure AI Language-funktioner.

Exempel på användningsfall

Extrahering av nyckelfraser används i flera scenarier i olika branscher. Vissa exempel inkluderar:

  • Förbättra sökningen. Nyckelfraser kan användas för att skapa ett sökindex som kan förbättra sökresultaten. Kunder kan till exempel tillhandahålla tusentals dokument och sedan köra extrahering av nyckelfraser ovanpå dem med hjälp av den inbyggda Azure Search-färdigheten. Resultatet av detta är nyckelfraser från indatauppsättningen, som sedan kan användas för att skapa ett index. Det här indexet kan uppdateras genom att köra färdigheten igen när en ny dokumentuppsättning är tillgänglig.
  • Visa aggregerade trender i textdata. Ett ordmoln kan till exempel genereras med nyckelfraser för att visualisera viktiga begrepp i textkommenterar eller feedback. Till exempel kan ett hotell generera ett ordmoln baserat på nyckelfraser som identifieras i deras kommentarer och kan se att personer kommenterar mest om platsen, renlighet och hjälpsam personal.

Att tänka på när du väljer ett användningsfall

Använd inte

  • Använd inte för automatiska åtgärder utan mänsklig inblandning i scenarier med hög risk. En person bör alltid granska källdata när en annan persons ekonomiska situation, hälsa eller säkerhet påverkas.

Juridiska och regelmässiga överväganden: Organisationer måste utvärdera potentiella specifika juridiska och regelmässiga skyldigheter när de använder AI-tjänster och lösningar, vilket kanske inte är lämpligt för användning i alla branscher eller scenarion. Dessutom är AI-tjänster eller lösningar inte utformade för och får inte användas på sätt som är förbjudna i tillämpliga användningsvillkor och relevanta uppförandekoder.

Egenskaper och begränsningar

Beroende på ditt scenario och dina indata kan du uppleva olika prestandanivåer. Följande information är utformad för att hjälpa dig att förstå viktiga begrepp om prestanda när de gäller för att använda funktionen extrahering av nyckelfraser i Azure AI Language.

Systembegränsningar och metodtips för att förbättra prestanda

Till skillnad från andra modeller för Azure AI Language-funktioner är nyckelfrasextraheringsmodellen en oövervakad modell som inte tränas på mänskligt märkta sanningsdata. Alla substantivfraser i texten som skickas till tjänsten identifieras och rangordnas sedan baserat på frekvens och samförekomst. Därför kanske det som returneras av modellen inte håller med om vad en människa skulle välja som de viktigaste fraserna. I vissa fall kan modellen verka delvis korrekt, eftersom ett substantiv returneras utan det adjektiv som ändrar det.

  • Längre text presterar bättre. Dela inte upp källtexten i bitar som meningar eller stycken. Skicka hela texten, till exempel en fullständig kundgranskning eller pappersabstraktion.
  • Om din text innehåller någon standardtext eller annan text som saknar relevans för det aktuella innehåll som du försöker analysera, kan orden i den texten påverka dina resultat. E-postmeddelanden kan till exempel ha "Ämne:", "Brödtext:", "Avsändare:" osv. som ingår i texten. Vi rekommenderar att du tar bort all känd text som inte ingår i det faktiska innehåll som du försöker analysera innan du skickar den till tjänsten.

Se även