So verwenden Sie Zusammenfassungen

Zusammenfassung fasst Inhalte zusammen, die Nutzer als zu lang zum Lesen empfinden. Der Dienst bietet Zusammenfassungslösungen für drei Arten von Genres: Nur-Text, Unterhaltungen und systemeigene Dokumente. Wählen Sie die Registerkarte aus, die dem Inhaltstyp entspricht, den Sie zusammenfassen möchten.

Textzusammenfassungen fassen Inhalte zusammen, die Nutzer als zu lang zum Lesen empfinden. Die extraktive sowie abstrakte Zusammenfassung fasst Artikel und Dokumente zu Kernsätzen zusammen.

Extraktive Zusammenfassung: Erstellt eine Zusammenfassung, indem Sätze extrahiert werden, die zusammen die wichtigsten oder relevantesten Informationen innerhalb des ursprünglichen Inhalts darstellen.

Abstrakte Zusammenfassung: Erstellt eine Zusammenfassung, indem zusammengefasste Sätze aus dem Dokument generiert werden, die die Hauptidee erfassen.

Abfrageorientierte Zusammenfassung: Ermöglicht die Verwendung einer Abfrage beim Zusammenfassen.

Jede dieser Funktionen kann, wenn angegeben, eine Zusammenfassung zu bestimmten relevanten Elementen erstellen.

Der Dienst stellt die KI-Modelle bereit, die von der API verwendet werden. Sie müssen lediglich Inhalte zur Analyse senden.

Um die Navigation zu erleichtern, finden Sie hier Links zu den entsprechenden Abschnitten für jeden Dienst:

Aspect Abschnitt
Extrahierend Extrahierende Zusammenfassung
Abstrakt Abstrakte Zusammenfassung:
Abfrageorientiert Abfrageorientierte Zusammenfassung

Funktionen

Tip

Informationen zur Verwendung dieser Features finden Sie im Schnellstartartikel. Sie können Beispielanforderungen auch mithilfe von Microsoft Foundry vornehmen, ohne Code schreiben zu müssen.

Die API für die extraktive Zusammenfassung verwendet Verarbeitungstechniken für natürliche Sprache, um Kernsätze in einem unstrukturierten Textdokument zu finden. Diese Sätze vermitteln gemeinsam die Hauptidee des Dokuments.

Die extraktive Zusammenfassung gibt als Teil der Systemantwort einen Rangwert zusammen mit den extrahierten Sätzen und deren Position in den ursprünglichen Dokumenten zurück. Ein Bewertungsergebnis gibt an, wie relevant ein Satz für die Hauptidee eines Dokuments ist. Das Modell gibt für jeden Satz eine Bewertung zwischen 0 und 1 (einschließlich) an und gibt pro Anforderung die Sätze mit der höchsten Bewertung zurück. Wenn Sie beispielsweise eine Zusammenfassung mit drei Sätzen anfordern, gibt der Dienst die drei am höchsten bewerteten Sätze zurück.

Eine weitere Funktion in Azure Language in Foundry Tools, Schlüsselbegriffsextraktion, kann wichtige Informationen extrahieren. Berücksichtigen Sie bei der Entscheidung zwischen der Schlüsselausdrucksextraktion und der extraktiven Zusammenfassung die folgenden Faktoren:

  • Die Schlüsselbegriffsextraktion gibt Ausdrücke zurück, während die extraktive Zusammenfassung Sätze zurückgibt.
  • Die extraktive Zusammenfassung gibt Sätze zusammen mit einer Rangfolge zurück, und Sätze mit dem höchsten Rang werden pro Anforderung zurückgegeben.
  • Die extraktive Zusammenfassung gibt auch die folgenden Positionsinformationen zurück:
    • Offset: Die Anfangsposition jedes extrahierten Satzes.
    • Länge: Die Länge jedes extrahierten Satzes.

Bestimmen, wie die Daten verarbeitet werden (optional)

Senden von Daten

Übermitteln sie Dokumente als Textzeichenfolgen an die API. Die API führt nach Erhalt der Anforderung eine Analyse durch. Da es sich um eine asynchrone API handelt, kann es zu einer Verzögerung zwischen dem Senden einer API-Anforderung und dem Erhalt der Ergebnisse kommen.

Wenn Sie dieses Feature verwenden, stehen die API-Ergebnisse 24 Stunden ab dem Zeitpunkt der Aufnahme der Anforderung zur Verfügung, und die Antwort gibt diese Verfügbarkeit an. Nach diesem Zeitraum werden die Ergebnisse gelöscht und sind nicht mehr für den Abruf verfügbar.

Abrufen von Textzusammenfassungsergebnissen

Wenn Sie Ergebnisse von der Sprachenerkennung erhalten, können Sie die Ergebnisse an eine Anwendung streamen oder die Ausgabe in einer Datei im lokalen System speichern.

Das folgende Beispiel zeigt Inhalte, die Sie zur Zusammenfassung übermitteln können. Der Inhalt wird aus dem Microsoft Blogartikel Eine ganzheitliche Darstellung integrativer KI extrahiert. Dieser Artikel ist nur ein Beispiel. Die API kann längeren Eingabetext akzeptieren. Weitere Informationen finden Sie unter Daten- und Diensteinschränkungen.

„Wir bei Microsoft sind bestrebt, die KI über die bestehenden Techniken hinaus zu verbessern, indem wir einen ganzheitlicheren, menschenzentrierten Ansatz für das Lernen und Verstehen wählen. Als Chief Technology Officer von Foundry Tools habe ich mit einem Team erstaunlicher Wissenschaftler und Ingenieure zusammengearbeitet, um diese Suche in eine Realität zu verwandeln. „In meiner Rolle sehe ich die Beziehung der drei Attribute der menschlichen Wahrnehmung aus einer ganz besonderen Perspektive: einsprachiger Text (X), Audiosignale oder visuelle Signale (Y) und mehrsprachiger Text (Z).“ An der Schnittstelle aller drei Attribute entsteht Magie—was wir als XYZ-Code bezeichnen, wie in Abbildung 1 dargestellt—eine gemeinsame Darstellung zur Schaffung einer leistungsfähigeren KI, die besser sprechen, hören, sehen und Menschen verstehen kann. Wir sind der Meinung, dass XYZ-Code uns die Möglichkeit gibt, unsere langfristige Vision zu realisieren: domänenübergreifender Lerntransfer über Modalitäten und Sprachgrenzen hinweg. Das Ziel besteht in der Verfügbarkeit vortrainierter Modelle, die gemeinsam Darstellungen erlernen können, um eine Vielzahl von nachgelagerten KI-Aufgaben zu unterstützen, ganz ähnlich wie Menschen es heute tun. In den letzten fünf Jahren haben wir die menschliche Leistung bei Benchmarks für konversationelle Spracherkennung, maschinelle Übersetzung, konversationelle Fragebeantwortung, maschinelles Leseverständnis und Bildbeschriftung erreicht. Diese fünf Durchbrüche lieferten uns starke Signale zu unserem ehrgeizigeren Anspruch, einen Sprung in KI-Fähigkeiten zu schaffen, um multisensorisches und mehrsprachiges Lernen zu erreichen, das näher an dem Lernen und Verstehen des Menschen liegt. Meiner Meinung nach ist der gemeinsame XYZ-Code eine grundlegende Komponente dieser Bestrebung, wenn er mit externen Wissensquellen in den nachgelagerten KI-Aufgaben verankert ist.

Die Anforderung der Textzusammenfassung-API wird nach Erhalt der Anforderung verarbeitet, indem ein Auftrag für das API Back-End erstellt wird. Wenn der Auftrag erfolgreich war, wird das Ergebnis der API geliefert. Die Ausgabe kann 24 Stunden lang abgerufen werden. Anschließend wird die Ausgabe gelöscht. Aufgrund der Unterstützung von Emojis und mehreren Sprachen enthält der Antworttext unter Umständen Textverschiebungen. Weitere Informationen finden Sie unter Verarbeiten von Versätzen.

Wenn Sie das vorangehende Beispiel verwenden, gibt die API möglicherweise die folgenden zusammengefassten Sätze zurück:

Extraktive Zusammenfassung:

  • "Bei Microsoft sind wir auf der Suche, KI über bestehende Techniken hinaus zu fördern, indem wir einen ganzheitlicheren, menschlichen Ansatz zum Lernen und Verstehen nutzen."
  • „Wir sind der Meinung, dass XYZ-Code uns die Möglichkeit gibt, unsere langfristige Vision zu realisieren: domänenübergreifender Lerntransfer über Modalitäten und Sprachgrenzen hinweg.“
  • „Das Ziel besteht in der Verfügbarkeit vortrainierter Modelle, die gemeinsam Darstellungen erlernen können, um eine Vielzahl von nachgelagerten KI-Aufgaben zu unterstützen, ganz ähnlich wie Menschen es heute tun.“

Abstrakte Zusammenfassung:

  • „Microsoft verfolgt einen ganzheitlicheren, auf den Menschen ausgerichteten Ansatz für das Lernen und Verstehen. Wir sind der Meinung, dass XYZ-Code uns die Möglichkeit gibt, unsere langfristige Vision zu realisieren: domänenübergreifender Lerntransfer über Modalitäten und Sprachgrenzen hinweg. In den letzten fünf Jahren haben wir die menschliche Leistungsfähigkeit bei wichtigen Maßstäben erreicht.

Testen Sie die extraktive Textzusammenfassung

Sie können die extraktive Textzusammenfassung verwenden, um Zusammenfassungen von Artikeln, Paper oder Dokumenten zu erhalten. Ein Beispiel dazu finden Sie im Schnellstartartikel.

Verwenden Sie den sentenceCount Parameter, um zu bestimmen, wie viele Sätze zurückgegeben werden, wobei 3 es sich dabei um die Standardeinstellung handelt. Der Bereich liegt zwischen 1 und 20.

Verwenden Sie den sortby Parameter, um anzugeben, in welcher Reihenfolge die extrahierten Sätze zurückgegeben werden , entweder Offset oder Rank, wobei Offset es sich um die Standardeinstellung handelt.

Parameterwert Description
Rank Sätze werden gemäß ihrer Relevanz im Eingabedokument vom Dienst sortiert.
Offset Die ursprüngliche Reihenfolge der Sätze im Eingabedokument wird beibehalten.

Testen Sie die abstrakte Textzusammenfassung

Das folgende Beispiel zeigt, wie Sie mit textabstraktioniver Zusammenfassung beginnen:

  1. Kopieren Sie den folgenden Befehl, und fügen Sie ihn in einen Text-Editor ein. Im BASH-Beispiel wird das Zeilenfortsetzungszeichen \ verwendet. Wenn Ihre Konsole oder Ihr Terminal ein anderes Zeilenfortsetzungszeichen nutzt, verwenden Sie stattdessen dieses Zeichen.
curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-text/jobs?api-version=2023-04-01 \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>" \
-d \
' 
{
  "displayName": "Text Abstractive Summarization Task Example",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "en",
        "text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. As Chief Technology Officer of Foundry Tools, I have been working with a team of amazing scientists and engineers to turn this quest into a reality. In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). At the intersection of all three, there's magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We believe XYZ-code enables us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. The goal is to have pretrained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. Over the past five years, we have achieved human performance on benchmarks in conversational speech recognition, machine translation, conversational question answering, machine reading comprehension, and image captioning. These five breakthroughs provided us with strong signals toward our more ambitious aspiration to produce a leap in AI capabilities, achieving multi-sensory and multilingual learning that is closer in line with how humans learn and understand. I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks."
      }
    ]
  },
  "tasks": [
    {
      "kind": "AbstractiveSummarization",
      "taskName": "Text Abstractive Summarization Task 1",
    }
  ]
}
'

  1. Nehmen Sie die folgenden Änderungen im Befehl vor, falls dies erforderlich ist:

    • Ersetzen Sie den Wert your-language-resource-key durch Ihren Schlüssel.
    • Ersetzen Sie den ersten Teil der Anforderungs-URL your-language-resource-endpoint durch Ihre Endpunkt-URL.

  2. Öffnen Sie ein Eingabeaufforderungsfenster (z. B. BASH).

  3. Fügen Sie den Befehl aus dem Text-Editor in das Eingabeaufforderungsfenster ein, und führen Sie dann den Befehl aus.

  4. Rufen Sie operation-location aus dem Antwortheader ab. Der Wert ähnelt der folgenden URL:

https://<your-language-resource-endpoint>/language/analyze-text/jobs/12345678-1234-1234-1234-12345678?api-version=2022-10-01-preview
  1. Verwenden Sie den folgenden cURL-Befehl, um die Ergebnisse der Anforderung abzurufen. Ersetzen Sie <my-job-id> unbedingt durch den numerischen ID-Wert, den Sie aus dem vorherigen operation-location Antwortheader erhalten haben.
curl -X GET https://<your-language-resource-endpoint>/language/analyze-text/jobs/<my-job-id>?api-version=2022-10-01-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>"

Beispiel-JSON-Antwort für abstraktive Textzusammenfassung

{
    "jobId": "cd6418fe-db86-4350-aec1-f0d7c91442a6",
    "lastUpdateDateTime": "2022-09-08T16:45:14Z",
    "createdDateTime": "2022-09-08T16:44:53Z",
    "expirationDateTime": "2022-09-09T16:44:53Z",
    "status": "succeeded",
    "errors": [],
    "displayName": "Text Abstractive Summarization Task Example",
    "tasks": {
        "completed": 1,
        "failed": 0,
        "inProgress": 0,
        "total": 1,
        "items": [
            {
                "kind": "AbstractiveSummarizationLROResults",
                "taskName": "Text Abstractive Summarization Task 1",
                "lastUpdateDateTime": "2022-09-08T16:45:14.0717206Z",
                "status": "succeeded",
                "results": {
                    "documents": [
                        {
                            "summaries": [
                                {
                                    "text": "Microsoft is taking a more holistic, human-centric approach to AI. We've developed a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We've achieved human performance on benchmarks in conversational speech recognition, machine translation, ...... and image captions.",
                                    "contexts": [
                                        {
                                            "offset": 0,
                                            "length": 247
                                        }
                                    ]
                                }
                            ],
                            "id": "1"
                        }
                    ],
                    "errors": [],
                    "modelVersion": "latest"
                }
            }
        ]
    }
}
Parameter Description
-X POST <endpoint> Gibt Ihren Endpunkt für den Zugriff auf die API an.
-H Content-Type: application/json Der Inhaltstyp zum Senden von JSON-Daten
-H "Ocp-Apim-Subscription-Key:<key> Gibt den Schlüssel für den Zugriff auf die API an
-d <documents> Der JSON-Code, der die zu sendenden Dokumente enthält.

Die folgenden cURL-Befehle werden über eine Bash-Shell ausgeführt. Bearbeiten Sie diese Befehle mit Ihrem eigenen Ressourcennamen, Ressourcenschlüssel und JSON-Werten.

Abfragebasierte Zusammenfassung

Die abfragebasierte Textzusammenfassungs-API ist eine Erweiterung der vorhandenen Textzusammenfassungs-API.

Der größte Unterschied ist ein neues query-Feld im Anforderungstext (unter tasks>parameters>query).

Tip

Die abfragebasierte Zusammenfassung weist eine Differenzierung bei der Verwendung der Längensteuerung basierend auf dem Typ der abfragebasierten Zusammenfassung auf, die Sie verwenden:

  • Die abfragebasierte extraktive Zusammenfassung unterstützt die Steuerung der Länge durch Angabe von sentenceCount.
  • Abfragebasierte abstrakte Zusammenfassung unterstützt keine Längensteuerung.

Hier ist eine Beispielanforderung:

curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-text/jobs?api-version=2023-11-15-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>" \
-d \
' 
{
  "displayName": "Text Extractive Summarization Task Example",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "en",
        "text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. As Chief Technology Officer of Foundry Tools, I have been working with a team of amazing scientists and engineers to turn this quest into a reality. In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). At the intersection of all three, there's magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We believe XYZ-code enables us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. The goal is to have pretrained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. Over the past five years, we have achieved human performance on benchmarks in conversational speech recognition, machine translation, conversational question answering, machine reading comprehension, and image captioning. These five breakthroughs provided us with strong signals toward our more ambitious aspiration to produce a leap in AI capabilities, achieving multi-sensory and multilingual learning that is closer in line with how humans learn and understand. I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks."
      }
    ]
  },
"tasks": [
    {
      "kind": "AbstractiveSummarization",
      "taskName": "Query-based Abstractive Summarization",
      "parameters": {
          "query": "XYZ-code",
          "summaryLength": "short"
      }
    },    {
      "kind": "ExtractiveSummarization",
      "taskName": "Query_based Extractive Summarization",
      "parameters": {
          "query": "XYZ-code"
      }
    }
  ]
}
'

Längensteuerung bei Zusammenfassungen

Verwenden des summaryLength-Parameters bei der abstraktiven Zusammenfassung

Wenn Sie summaryLength nicht angeben, bestimmt das Modell die Länge der Zusammenfassung.

Für den Parameter summaryLength werden drei Werte akzeptiert:

  • oneSentence: Generiert eine Zusammenfassung von meist einem Satz mit ca. 80 Token.
  • short: Generiert eine Zusammenfassung von meist zwei bis drei Sätzen mit ca. 120 Token.
  • medium: Generiert eine Zusammenfassung von meist vier bis sechs Sätzen mit rund 170 Token.
  • long: Generiert eine Zusammenfassung von meist über sieben Sätzen mit ca. 210 Token.

Hier ist eine Beispielanforderung:

curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-text/jobs?api-version=2023-04-01 \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>" \
-d \
' 
{
  "displayName": "Text Abstractive Summarization Task Example",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "en",
        "text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. As Chief Technology Officer of Foundry Tools, I have been working with a team of amazing scientists and engineers to turn this quest into a reality. In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). At the intersection of all three, there's magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We believe XYZ-code enables us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. The goal is to have pretrained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. Over the past five years, we have achieved human performance on benchmarks in conversational speech recognition, machine translation, conversational question answering, machine reading comprehension, and image captioning. These five breakthroughs provided us with strong signals toward our more ambitious aspiration to produce a leap in AI capabilities, achieving multi-sensory and multilingual learning that is closer in line with how humans learn and understand. I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks."
      }
    ]
  },
  "tasks": [
    {
      "kind": "AbstractiveSummarization",
      "taskName": "Length controlled Abstractive Summarization",
          "parameters": {
          "summaryLength": "short"
      }
    }
  ]
}
'

Verwenden des sentenceCount-Parameters bei der extraktiven Zusammenfassung

Geben Sie für den sentenceCount Parameter einen Wert von 1 bis 20 ein, um die gewünschte Anzahl von Ausgabesätzen anzugeben.

Hier ist eine Beispielanforderung:

curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-text/jobs?api-version=2023-11-15-preview \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>" \
-d \
' 
{
  "displayName": "Text Extractive Summarization Task Example",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "en",
        "text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. As Chief Technology Officer of Foundry Tools, I have been working with a team of amazing scientists and engineers to turn this quest into a reality. In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). At the intersection of all three, there's magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We believe XYZ-code enables us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. The goal is to have pretrained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. Over the past five years, we have achieved human performance on benchmarks in conversational speech recognition, machine translation, conversational question answering, machine reading comprehension, and image captioning. These five breakthroughs provided us with strong signals toward our more ambitious aspiration to produce a leap in AI capabilities, achieving multi-sensory and multilingual learning that is closer in line with how humans learn and understand. I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks."
      }
    ]
  },
"tasks": [
    {
      "kind": "ExtractiveSummarization",
      "taskName": "Length controlled Extractive Summarization",
      "parameters": {
          "sentenceCount": "5"
      }
    }
  ]
}
'

Dienst- und Dateneinschränkungen

Informationen zur Größe und Anzahl von Anforderungen, die Sie pro Minute und Sekunde senden können, finden Sie im Artikel zu Servicegrenzwerten .

Siehe auch

  • Last updated on