Vad är Azure AI Language?

2025-09-27

Azure AI Language är en molnbaserad tjänst som tillhandahåller NLP-funktioner (Natural Language Processing) för att förstå och analysera text. Använd den här tjänsten för att skapa intelligenta program med hjälp av webbaserade Language Studio-, REST-API:er och klientbibliotek.

Tillgängliga funktioner

Den här språktjänsten förenar följande tidigare tillgängliga Azure AI-tjänster: Textanalys, QnA Maker och LUIS. Om du behöver migrera från dessa tjänster kan du läsa migreringsavsnittet.

Language-tjänsten innehåller också flera nya funktioner, som antingen kan vara:

Förkonfigurerad, vilket innebär att de AI-modeller som funktionen använder inte är anpassningsbara. Du skickar bara dina data och använder funktionens utdata i dina program.
Anpassningsbart, vilket innebär att du tränar en AI-modell med hjälp av våra verktyg för att passa dina data specifikt.

Tip

Är du osäker på vilken funktion som ska användas? Se Vilken språktjänstfunktion ska jag använda för att hjälpa dig att bestämma dig.

Med Azure AI Foundry kan du använda de flesta av följande tjänstfunktioner utan att behöva skriva kod.

Igenkänning av namngiven enhet (NER)

Namngiven entitetsigenkänning identifierar olika poster i text och kategoriserar dem i fördefinierade typer.

Upptäckt av person- och hälsodata

Identifiering av personligt identifierbar information (PII) identifierar entiteter i text och konversationer (chatt eller avskrifter) som är associerade med enskilda personer.

Språkidentifiering

Språkidentifiering utvärderar text och identifierar en mängd olika språk och variantdialekter.

Sentimentanalys och åsiktsutvinning

Förkonfigurerade funktioner för attitydanalys och åsiktsutvinning som hjälper dig att förstå allmänhetens uppfattning om ditt varumärke eller ämne. Dessa funktioner analyserar text för att identifiera positiva eller negativa sentiment och kan länka dem till specifika element i texten.

Summarization

Sammanfattningen komprimerar information för text och konversationer (chatt och avskrifter). Textsammanfattning genererar en sammanfattning som stöder två metoder: Extraheringssammanfattning skapar en sammanfattning genom att välja viktiga meningar från dokumentet och bevara deras ursprungliga positioner. Abstrakt sammanfattning genererar däremot en sammanfattning genom att skapa nya, koncisa och sammanhängande meningar eller fraser som inte kopieras direkt från det ursprungliga dokumentet. Konversationssammanfattning sammanfattar och segmentar långa möten i tidsstämplade kapitel. Sammanfattning inom kundtjänst sammanfattar kundproblem och deras lösningar.

Extrahering av nyckelfraser

Extrahering av nyckelfraser är en förkonfigurerad funktion som utvärderar och returnerar huvudbegreppen i ostrukturerad text och returnerar dem som en lista.

Entitetslänkning

Viktigt!

Entity Linking dras tillbaka från Azure AI Language från och med den 1 september 2028. Efter det här datumet stöds inte längre funktionen Entitetslänkning. Under supportfönstret rekommenderar vi att användarna migrerar befintliga arbetsbelastningar och dirigerar alla nya projekt till Azure AI Language Named Entity Recognition eller överväger andra alternativa lösningar.

Entitetslänkning är en förkonfigurerad funktion som särskiljer identiteten för entiteter (ord eller fraser) som finns i ostrukturerad text och returnerar länkar till Wikipedia.

Textanalys för hälsa

Textanalys för hälsa extraherar och märker relevant hälsoinformation från ostrukturerad text.

Klassificering av anpassad text

Med anpassad textklassificering kan du skapa anpassade AI-modeller för att klassificera ostrukturerade textdokument i anpassade klasser som du definierar.

Anpassad namngiven entitetsigenkänning (NER)

Med Anpassad NER kan du skapa anpassade AI-modeller för att extrahera anpassade entitetskategorier (etiketter för ord eller fraser) med ostrukturerad text som du anger.

Språkförståelse för konversationer

Med CLU (Conversational Language Understanding) kan användarna skapa anpassade modeller för förståelse av naturligt språk för att förutsäga den övergripande avsikten med ett inkommande yttrande och extrahera viktig information från det.

Arbetsflöde för orkestrering

Arbetsflöde för orkestrering är en anpassad funktion som gör att du kan ansluta Conversational Language Understanding (CLU), frågesvar och LUIS-applikationer.

Frågor och svar

Frågesvar är en anpassad funktion som identifierar det lämpligaste svaret för användarindata. Den här funktionen används vanligtvis för att utveckla konversationsklientprogram, inklusive plattformar för sociala medier, chattrobotar och talaktiverade skrivbordsprogram.

Vilken språktjänstfunktion ska jag använda?

Det här avsnittet hjälper dig att bestämma vilken språktjänstfunktion du ska använda för ditt program:

Vad vill du göra?	Dokumentformat	Din bästa lösning	Är den här lösningen anpassningsbar?*
Identifiera och/eller redigera känslig information som `PII` och `PHI`.	Ostrukturerad text, transkriberade konversationer	Detektering av personligt identifierbar information
Extrahera informationskategorier utan att skapa en anpassad modell.	Ostrukturerad text	Den förkonfigurerade NER-funktionen
Extrahera informationskategorier med hjälp av en modell som är specifik för dina data.	Ostrukturerad text	Anpassad NER	✓
Extrahera huvudämnen och viktiga fraser.	Ostrukturerad text	Extrahering av nyckelfras
Fastställ den attityd och de åsikter som uttrycks i text.	Ostrukturerad text	Sentimentanalys och åsiktsutvinning
Sammanfatta långa delar av text eller konversationer.	Ostrukturerad text, transkriberade konversationer.	Summarization
Tvetydiga entiteter och få länkar till Wikipedia.	Ostrukturerad text	Entitetslänkning
Klassificera dokument i en eller flera kategorier.	Ostrukturerad text	Klassificering av anpassad text	✓
Extrahera medicinsk information från kliniska/medicinska dokument, utan att bygga en modell.	Ostrukturerad text	Textanalys för hälsa
Skapa ett konversationsprogram som svarar på användarindata.	Ostrukturerade användarindata	Svar på frågor	✓
Identifiera språket som en text skrevs i.	Ostrukturerad text	Språkidentifiering
Förutse avsikten med användarindata och extrahera information från dem.	Ostrukturerade användarindata	Språkförståelse för konversationer	✓
Ansluta appar från konversationsspråksförståning, LUIS och frågesvar.	Ostrukturerade användarindata	Arbetsflöde för orkestrering	✓

* Om en funktion är anpassningsbar kan du träna en AI-modell med hjälp av våra verktyg för att passa dina data specifikt. Annars är en funktion förkonfigurerad, vilket innebär att DE AI-modeller som den använder inte kan ändras. Du skickar bara dina data och använder funktionens utdata i dina program.

Migrera från Textanalys, QnA Maker eller Language Understanding (LUIS)

Azure AI Language förenar tre individuella språktjänster i Azure AI-tjänster – Textanalys, QnA Maker och Language Understanding (LUIS). Om du har använt dessa tre tjänster kan du enkelt migrera till det nya Azure AI Language. Anvisningar finns i Migrera till Azure AI Language.

Tutorials

När du har börjat med språktjänstens snabbstarter kan du prova våra självstudier som visar hur du löser olika scenarier.

Kodexempel

Du hittar fler kodexempel på GitHub för följande språk:

Distribuera lokalt med Docker-containrar

Använd Språktjänstcontainrar för att distribuera API-funktioner lokalt. Med dessa Docker-containrar kan du föra tjänsten närmare dina data av kompatibilitets-, säkerhets- eller andra driftsskäl. Språktjänsten erbjuder följande behållare:

Ansvarsfull AI

Ett AI-system innehåller inte bara tekniken, utan även de personer som använder den, de personer som påverkas av den och distributionsmiljön. Läs följande artiklar om du vill veta mer om ansvarsfull AI-användning och distribution i dina system:

Feedback

Var den här sidan till hjälp?