理解 Foundry 中的文本分析

Microsoft Foundry 是用於在Azure上建構 AI 應用程式與代理的平台。 Foundry 入口網站提供兩種文本分析方式：透過自然語言提示處理廣泛任務的通用 AI 模型，以及針對特定任務回傳結構化且確定性結果的專用語言工具。

要開始在 新的 Foundry 入口網站進行文字分析，你需要建立一個 Foundry 資源 和 專案。

Foundry 資源是提供 AI 服務與已部署模型存取能力的 Azure 資源。 Foundry 專案是該資源中的一個工作區，你可以在這裡組織工作、部署模型，並使用像聊天遊樂場和 AI 服務這類工具。

使用通用 AI 模型進行文本分析

你可以在 Foundry 入口網站中的專案中部署通用 AI 模型。 通用人工智慧模型是一種以大量文字資料訓練的語言模型，使其對語言有廣泛的理解，並能處理多種不同任務。 通用模型可以遵循自然語言指令，分析情感、提取實體、摘要文本、翻譯內容、回答問題等——全部無需你進行任何設定或訓練。

您可以使用通用的 AI 模型來處理文字分析任務，例如：

• 關鍵詞組擷取 會列出非結構化文字的主要概念。
• ** 實體鏈接識別已知實體，並提供指向維基百科的連結。
• 情感分析和意見採礦 會識別文字是正面還是負面的。
• 摘要可藉由識別最重要的資訊來總結文字。

你可以在 Foundry 入口網站的聊天遊樂場探索 AI 模型的文字分析功能。 部署模型後，遊樂場會給你一個聊天介面，你只要輸入提示，模型就會回應。 因為模型理解上下文，你也可以在同一對話中追問更多問題或精煉分析。 這使得遊樂場成為探索可能性的有用管道，然後再打造完整應用程式。

讓我們仔細看看通用 AI 模型在執行文本分析任務時能給出的一些回應。

關鍵片語擷取

你可以使用語言模型提取部分文本中使用的關鍵字和片語，這對於索引和搜尋相關文件等過程非常有幫助。 關鍵字擷取 可從文本中辨識重點。

例如，你可能會收到如下評論：

「我星期六在西雅圖的一家餐館吃了一頓很棒的飯。蘑菇燉飯準備得非常完美，非常美味。我們的服務生Pete友善且有效率;他還給了我們很棒的甜點推薦（草莓起司蛋糕）。我絕對推薦這家餐廳來輕鬆吃晚餐。」

關鍵片語擷取可藉由擷取下列片語，提供一些內容給此檢閱：

• 輕鬆晚餐
• 甜點
• 美味的餐點
• 餐館
• 很棒的推薦
• 蘑菇燉飯
• 皮特
• 地點
• 星期六
• 西雅圖
• 草莓起司蛋糕
• 服務生

實體辨識

你也可以使用 命名實體辨識 來查找文中提及的人物、地點、日期及其他特定實體。

你可以提供一個帶有非結構文字的語言模型，並取得它能辨識的 文本中實體 清單。 實體是特定類型或類別的項目;在某些情況下，還有亞型。

請參考這段簡短文字：

「2017年5月2日，約翰·史密斯訪問紐約，參加由Microsoft主辦的會議。活動於上午8點開始，持續了3小時。40 位與會者中有超過 25% 行駛超過 10 英里參加。」

偵測到的實體包括：

情緒分析與意見挖掘

你也可以利用 情感分析 來將文件分類為正面、負面或中立。 這對於偵測社群媒體、顧客評論、討論區等中的情緒非常有用。

請參考以下餐廳評論：

「我星期五晚上在波特蘭一家溫馨的小酒館吃了頓美味的晚餐。烤鮭魚烹調得恰到好處，風味十足，季節蔬菜更是絕佳的搭配。我們的服務生Maria細心又親切，她建議甜點檸檬塔——非常棒。我絕對推薦這個地方，適合輕鬆愉快的夜晚。」

分析餐廳評論的結果可能是：

• 逐句情感分析：

  「我星期五晚上在波特蘭一家溫馨的小酒館吃了頓很棒的晚餐。」情感：正面說明：「美妙的晚餐」和「溫馨的小酒館」這兩個詞，傳達出高度正面的體驗。

  「烤鮭魚煮得恰到好處，味道十足，季節蔬菜更是絕佳的搭配。」情感：正面解釋：「烹調得完美」、「風味十足」以及「極佳的讚美」都代表對食物的強烈滿意度。

  「我們的服務生瑪麗亞很細心又親切，她建議甜點檸檬塔——非常棒。」情感：正面說明：對服務生的品質和甜點的正面描述（「細心」、「親切」、「優秀」），反映出顧客非常滿意。

  「我絕對推薦這個地方，適合輕鬆愉快的夜晚。」情緒：正面解釋：明確推薦，並標註「絕對」、「放鬆」和「愉快」，能展現強烈的正面情緒。

• 整體文件情緒：強烈正面。 評論充滿了對食物、氛圍、服務及整體體驗的讚美。 書中沒有中立或負面的陳述。

何時使用通用 AI 模型進行文本分析

除了關鍵字擷取、實體識別與情感分析外，通用 AI 模型還能將長篇文件 摘要 成簡潔段落、跨語言 翻譯 文本、 將內容分類 到你定義的類別、 回答 關於文章的問題，等等。 因為這些能力都是由自然語言提示驅動，你可以自由結合它們——例如，請模型翻譯一篇冗長的評論，然後在一次對話中總結。

在 Foundry 工具中使用 Azure 語言

雖然訓練成一般生成式 AI 工作的大型語言模型通常能很好地完成文字分析，但有時候更專門的工具能獲得更可預測的結果。

Azure Language in Foundry 工具 是一項自然語言處理服務，配備專門針對特定文本分析任務打造的分析器。 這些分析器運用統計技術回傳結構化且確定性的輸出，非常適合自動化管線，因為結果一致性很重要。

在 new Foundry 入口網站中，你可以探索 Azure Language 在聊天遊樂場中的部分功能。 要測試 AI 服務的功能，請先到 Build 頁面，再到 Models，再到 AI 服務 標籤。在分頁中，你可以找到可供測試的 AI 服務。

請考慮以下 Azure 語言功能：

• 語言偵測 會評估文字並偵測語言與方言。
• 個人識別資訊（PII）偵測 會識別個人敏感性資訊，包括個人健康資訊（PHI）。

語言偵測

在多語言工作流程中，第一步通常是識別文件所使用的語言，以便將文字導向最合適的模型或流程。 語言偵測 會評估文本，並識別主要語言及信心分數。 Azure 語言支援多種語言及區域方言。

例如，給定以下文本：

「Hola！我叫Josefina，住在西班牙馬德里。」

語言偵測會回傳以下結果：

在 Foundry 入口網站中，你可以在聊天遊樂場測試 Azure 語言的語言偵測功能。

個人識別資訊偵測

組織常需在文字儲存或分享前識別並遮蔽敏感個人細節，以符合隱私規範。 個人識別資訊（PII）偵測 是識別文字中的個人細節——例如姓名、電話號碼、電子郵件地址和街道地址——並可選擇性地將其遮蔽。

例如，給定以下文本：

「Maria Garcia 從 020 7946 0958 致電，要求將文件寄送至 42 Market Road， London， UK， SW1A 1AA。」

PII 偵測可識別以下實體：

在 Foundry 入口網站中，你可以在 Language Playground 測試 Azure 語言的 PII 偵測功能。

接著，學習如何利用 OpenAI 回應 API 與 Azure 語言 SDK 建立具備文字分析功能的客戶端應用程式。