自定义命名实体识别定义和术语

通过本文了解在使用自定义 NER 时可能会遇到的一些定义和术语。

实体

实体是指示特定类型信息的文本范围。 文本范围可包含一个或多个单词。 在自定义 NER 的范围内，实体表示用户希望从文本中提取的信息。 开发人员先使用所需的实体标记其数据中的实体，然后再将其传递给模型进行训练。 例如，“发票号”、“开始日期”、“发货号”、“出生地”、“源城市”、“供应商名称”或“客户端地址”。

例如，在“John 从 Fred 处借了 25,000 美元”这句话中，实体可能如下：

F1 分数

当你在 精确率 和 召回率之间寻求平衡时，需要使用 F1 分数。

模型

模型是经过训练来执行特定任务的对象，在此示例中为自定义实体识别。 将通过提供要从中进行学习的带标记数据来训练模型，以便以后可以将其用于识别任务。

• 模型训练指的是指导你的模型根据带标记数据提取相关内容的过程。
• 模型评估是一种在训练后立即进行的过程，可了解模型的性能情况。
• 部署指的是将模型分配到部署以便通过预测 API 使用它的过程。

Precision

度量模型的精确度/准确度。 它是正确识别的正值（真正）与所有识别出的正值之间的比率。 精准率指标指示正确标记了多少个预测类。

Project

项目是一个工作区，用于基于你的数据构建自定义 ML 模型。 你的项目只能由你和有权访问正在使用的 Azure 资源的其他人员访问。 作为创建自定义实体提取项目的先决条件，在创建新项目时，必须将资源连接到包含数据集的存储帐户。 你的项目自动包含容器中所有可用的 .txt 文件。

下面是您可以采取的一些操作：

• 标记数据：对你的数据进行标记，以便在训练模型时模型可了解你要提取的内容。
• 构建和训练模型：项目的核心步骤，模型在此步骤中将开始从带标记数据中进行学习。
• 查看模型评估详细信息：查看模型性能，以确定是否有改进空间，或者你对结果感到满意。
• 部署：查看模型的性能并决定可以在环境中使用它后，需要将其分配给部署才能使用它。 将模型分配给部署会使其可通过预测 API 使用。
• 测试模型：部署模型后，在 Azure AI Foundry 中测试部署，以了解它在生产环境中的表现。

召回率

度量模型预测实际正类的能力。 它是预测的真正值与标记的结果之间的比率。 召回率指标显示正确的预测类的数量。

Next steps

• 数据和服务限制。
• 自定义 NER 概述。