Come usare il riepilogo

Il riepilogo condensa il contenuto che gli utenti considerano troppo lungo per la lettura. Il servizio fornisce soluzioni di riepilogo per tre tipi di genere: testo normale, conversazioni e documenti nativi. Selezionare la scheda corrispondente al tipo di contenuto da riepilogare.

Il riepilogo del testo riduce il contenuto che gli utenti considerano troppo lungo per la lettura. Riepiloghi estrattivi e astrattivi condensano articoli o documenti in frasi chiave.

Riepilogo estrattivo: genera un riepilogo estraendo frasi che rappresentano collettivamente le informazioni più importanti o rilevanti all'interno del contenuto originale.

Riepilogo astrattivo: genera un riepilogo creando frasi riepilogate dal documento che racchiudono l'idea principale.

Riepilogo incentrato sulle query: consente di usare una query durante il riepilogo.

Ognuna di queste funzionalità può riepilogare gli elementi specifici di interesse quando specificato.

Il servizio fornisce i modelli di intelligenza artificiale usati dall'API. È sufficiente inviare contenuto per l'analisi.

Per semplificare la navigazione, ecco i collegamenti alle sezioni corrispondenti per ogni servizio:

Aspect Sezione
Estrattivo Riepilogo estrattivo
Astrattivo Riepilogo astrattivo
Incentrato sulle query Riepilogo incentrato sulle query

Features

Tip

Per iniziare a usare queste funzionalità, vedere l'articolo di avvio rapido. È anche possibile effettuare richieste di esempio usando Microsoft Foundry senza dover scrivere codice.

L'API di riepilogo estrattivo usa tecniche di elaborazione del linguaggio naturale per individuare frasi chiave in un documento di testo non strutturato. Queste frasi trasmettono collettivamente l'idea principale del documento.

Il riepilogo estrativo restituisce un punteggio di classificazione come parte della risposta di sistema insieme alle frasi estratte e alla relativa posizione nei documenti originali. Un punteggio di classificazione indica la rilevanza di una frase per l'idea principale di un documento. Il modello assegna un punteggio compreso tra 0 e 1 (inclusi) a ogni frase e restituisce le frasi con punteggio più alto per ogni richiesta. Ad esempio, se si richiede un riepilogo a tre frasi, il servizio restituisce le tre frasi con punteggio più alto.

Un'altra funzionalità di Azure Language in Foundry Tools, l'estrazione di frasi chiave, può estrarre informazioni chiave. Quando si decide tra estrazione di frasi chiave e riepilogo estrativo, considerare questi fattori:

  • L'estrazione di frasi chiave restituisce frasi, mentre il riepilogo estrattivo restituisce enunciati.
  • Il riepilogo estrattivo restituisce enunciati insieme a un punteggio di classificazione e gli enunciati classificati più in alto verranno restituiti per ogni richiesta.
  • Il riepilogo estrattivo restituisce anche le informazioni sulla posizione seguenti:
    • Scostamento: posizione iniziale di ogni enunciato estratto.
    • Lunghezza: lunghezza di ogni enunciato estratto.

Determinare come elaborare i dati (facoltativo)

Invio di dati

Inviare documenti all'API come stringhe di testo. L'API esegue l'analisi al ricevimento della richiesta. Poiché l'API è asincrona, potrebbe verificarsi un ritardo tra l'invio di una richiesta API e la ricezione dei risultati.

Quando si usa questa funzionalità, i risultati dell'API sono disponibili per 24 ore dal momento in cui la richiesta viene inserita e la risposta indica questa disponibilità. Dopo questo periodo di tempo, i risultati vengono rimossi e non sono più disponibili per il recupero.

Ottenere risultati di riepilogo del testo

Quando si ottengono risultati dal rilevamento della lingua, è possibile trasmettere i risultati a un'applicazione o salvare l'output in un file nel sistema locale.

L'esempio seguente mostra il contenuto che è possibile inviare per il riepilogo. Il contenuto viene estratto dall'articolo Microsoft blog Una rappresentazione olistica verso l'intelligenza artificiale integrata. Questo articolo è solo un esempio. L'API può accettare testo di input più lungo. Per altre informazioni, vedereLimiti dei dati e dei servizi.

"Microsoft sta cercando di sviluppare l'IA oltre le tecniche esistenti, adottando un approccio all'apprendimento e alla comprensione più olistico e incentrato sull'uomo. Come Chief Technology Officer of Foundry Tools, ho lavorato con un team di scienziati e ingegneri incredibili per trasformare questa ricerca in una realtà. Nel mio ruolo, godo di una prospettiva unica nella visualizzazione della relazione tra tre attributi della conoscenza umana: testo monolingua (X), segnali sensoriali audiovisivi (Y) e multilingue (Z). All'intersezione di tutti e tre, avviene la magia, ovvero quello che chiamiamo codice XYZ come illustrato nella figura 1: una rappresentazione congiunta per creare un'intelligenza artificiale più potente in grado di parlare, ascoltare, vedere e comprendere meglio gli esseri umani. Crediamo che il codice XYZ ci consentirà di soddisfare la nostra visione a lungo termine: apprendimento induttivo tra domini, modalità di spanning e linguaggi. L'obiettivo è quello di avere modelli con training preliminare in grado di apprendere congiuntamente le rappresentazioni per supportare un'ampia gamma di attività di IA a valle, analogamente a come gli esseri umani fanno oggi. Negli ultimi cinque anni, abbiamo ottenuto prestazioni umane sui benchmark nel riconoscimento vocale conversazionale, traduzione automatica, risposte alle domande conversazionali, comprensione della lettura automatica e didascalia delle immagini. Queste cinque innovazioni ci hanno fornito segnali forti verso le nostre aspirazioni più ambiziose di produrre un salto nelle capacità di IA, ottenendo apprendimento multisensoriale e multilingue più vicino in linea con il modo in cui gli esseri umani imparano e comprendono. Credo che il codice XYZ congiunto sia una componente fondamentale di questa aspirazione, se basato su fonti di conoscenza esterne nelle attività di IA a valle."

La richiesta API di riepilogo del testo viene elaborata al ricevimento della richiesta creando un processo per il back-end dell'API. Se il processo ha avuto esito positivo, viene restituito l'output dell'API. L'output è disponibile per il recupero per 24 ore. Al termine di questo intervallo di tempo, l'output viene eliminato. A causa del supporto multilingue ed emoji, la risposta può contenere offset di testo. Per altre informazioni, vederecome elaborare gli offset.

Quando si usa l'esempio precedente, l'API potrebbe restituire queste frasi riepilogate:

Riepilogo estrattivo:

  • "In Microsoft, stiamo cercando di promuovere l'IA oltre le tecniche esistenti adottando un approccio più olistico e incentrato sull'uomo per imparare e comprendere".
  • Crediamo che XYZ-code ci consentirà di soddisfare la nostra visione a lungo termine: apprendimento di trasferimento tra domini, attraversando modalità e lingue.
  • "L'obiettivo è quello di avere modelli con training preliminare in grado di apprendere congiuntamente le rappresentazioni per supportare un'ampia gamma di attività di IA a valle, analogamente a come gli esseri umani fanno oggi".

Riepilogo astrattivo:

  • "Microsoft sta adottando un approccio alla comprensione e all'apprendimento più olistico e incentrato sull'uomo. Crediamo che il codice XYZ ci consentirà di soddisfare la nostra visione a lungo termine: apprendimento induttivo tra domini, modalità di spanning e linguaggi. Negli ultimi cinque anni abbiamo ottenuto prestazioni umane sui benchmark chiave".

Provare il riepilogo estrattivo del testo

È possibile usare il riepilogo estrattivo del testo per ottenere riepiloghi di articoli o documenti. Per un esempio, vedere l'articolo della guida di avvio rapido.

Usare il sentenceCount parametro per guidare il numero di frasi restituite, con 3 l'impostazione predefinita. L'intervallo è compreso tra 1 e 20.

Usare il sortby parametro per specificare in quale ordine vengono restituite le frasi estratte, Offset ovvero o Rank, con Offset l'impostazione predefinita.

Valore del parametro Description
Rank Ordinare le frasi in base alla pertinenza del documento di input, come deciso dal servizio.
Offset Mantiene l'ordine originale in cui le frasi vengono visualizzate nel documento di input.

Provare il riepilogo astrattivo del testo

L'esempio seguente illustra come iniziare a usare il riepilogo astrattivo del testo:

  1. Copiare il comando seguente in un editor di testo. L'esempio BASH usa il carattere di continuazione della riga \. Se la console o il terminale usa un carattere di continuazione della riga diverso, usare invece questo carattere.
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. Apportare le modifiche seguenti nel comando, se necessario:

    • Sostituire il valore your-language-resource-key con la propria chiave.
    • Sostituire la prima parte dell'URL della richiesta your-language-resource-endpoint con l'URL dell'endpoint.

  2. Aprire una finestra del prompt dei comandi, ad esempio BASH.

  3. Incollare il comando dall'editor di testo nella finestra del prompt dei comandi e quindi eseguire il comando.

  4. Ottenere operation-location dall'intestazione della risposta. Il valore è simile all'URL seguente:

https://<your-language-resource-endpoint>/language/analyze-text/jobs/12345678-1234-1234-1234-12345678?api-version=2022-10-01-preview
  1. Per ottenere i risultati della richiesta, usare il comando cURL seguente. Assicurarsi di sostituire <my-job-id> con il valore ID numerico ricevuto dall'intestazione della risposta operation-location precedente:
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>"

Risposta JSON di esempio di riepilogo del testo astrattivo

{
    "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"
                }
            }
        ]
    }
}
Parametro Description
-X POST <endpoint> Specifica l'endpoint per l'accesso all'API.
-H Content-Type: application/json Tipo di contenuto per l'invio di dati JSON.
-H "Ocp-Apim-Subscription-Key:<key> Specifica la chiave per l'accesso all'API.
-d <documents> Il codice JSON contenente i documenti da inviare.

I comandi cURL seguenti vengono eseguiti da una shell BASH. Modificare questi comandi con il nome della risorsa, la chiave di risorsa e i valori JSON.

Riepilogo basato su query

L'API di riepilogo del testo basato su query è un'estensione per l'API di riepilogo del testo esistente.

La differenza principale è un nuovo campo query nel corpo della richiesta (in tasks>parameters>query).

Tip

Il riepilogo basato su query presenta alcune differenze nell'utilizzo del controllo della lunghezza in base al tipo di riepilogo basato su query in uso:

  • Il riepilogo estratto basato su query supporta il controllo della lunghezza specificando sentenceCount.
  • La sintesi astrattiva basata su query non supporta il controllo della lunghezza.

Ecco una richiesta di esempio:

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"
      }
    }
  ]
}
'

Controllo della lunghezza del riepilogo

Uso del parametro summaryLength nel riepilogo astrattivo

Se non si specifica summaryLength, il modello determina la lunghezza di riepilogo.

Per il parametro summaryLength vengono accettati tre valori:

  • oneSentence: genera un riepilogo di gran parte di una frase, con circa 80 token.
  • short: genera un riepilogo di prevalentemente da due a tre frasi, con circa 120 token.
  • medium: genera un riepilogo di prevalentemente da quattro a sei frasi, con circa 170 token.
  • long: genera un riepilogo composto per lo più da più di sette frasi, con circa 210 token.

Ecco una richiesta di esempio:

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"
      }
    }
  ]
}
'

Uso del parametro sentenceCount nel riepilogo estrattivo

Per il sentenceCount parametro immettere un valore compreso tra 1 e 20 per indicare il numero desiderato di frasi di output.

Ecco una richiesta di esempio:

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"
      }
    }
  ]
}
'

Limiti relativi a servizi e dati

Per informazioni sulle dimensioni e sul numero di richieste che è possibile inviare al minuto e al secondo, vedere l'articolo limiti del servizio .

Vedere anche

  • Last updated on