Zaczynam seri臋 wpis贸w na temat AI w Azure. Tematy b臋d膮 powi膮zane z egzaminami AI-900 oraz AI-102, do kt贸rych si臋 przymierzam.
Wyobra藕 sobie sytuacj臋, 偶e masz tekst, i w tym tek艣cie chcesz znale藕膰 jakie艣 specyficzne wyra偶enia. Przyk艂adowo, prowadzisz sie膰 restauracji i w recenzjach klient贸w, poszukujesz takich wyra偶e艅, jak:
- Miasto kt贸rej dotyczy recenzja (Lokacja)
- Nazwa potrawy, kt贸ra by艂a spo偶ywana podczas wizyty
- Data kiedy mia艂a miejsce wizyta.
Albo chcesz wydoby膰 jaki艣 zestaw informacji na temat zi贸艂 z danych z Pubmedu (badania medyczne). Potrzebujesz danych na temat:
- Nazwy ro艣liny
- Nazwy 艂aci艅skiej
- Substancji aktywnych, kt贸re zawiera
Pomoc膮 w takiej sytuacji mo偶e by膰 NER, czyli Named Entity Recognition. Mo偶na upro艣ci膰 t膮 nazw臋 do wyszukiwania rzeczownik贸w.
Ide臋 NER najlepiej oddaje obrazek ze strony MS.
AI analizuje tekst, i nast臋pnie zaznacza w nim zwroty. W sztucznej inteligencji wszystko opiera si臋 na procentach, zatem mo偶emy te偶 podejrze膰, jak pewny jest model, 偶e dany zwrot jest tym oczekiwanym.
Jako wej艣cie do procesu analizy, ustawiamy inclusion list, czyli rzeczy, kt贸rych szukamy w tek艣cie. Mo偶na u偶y膰 predefiniowanych rzeczownik贸w, albo wybra膰 Custom NER i uczy膰 model tego, czego szukamy. To rozwi膮zanie by艂o by lepsze w przyk艂adzie o zio艂ach, bo te featury nie s膮 wbudowane.
Standardowo dla Azure, zwrotk臋 z takiej analizy mo偶na pobra膰 jako JSON. Do zaprojektowania pozostaje system, kt贸ry zbierze komentarze i wrzuci je do Azure Foundry. Potem JSONA z wynikami mo偶na wrzuci膰 do bazy danych, na przyk艂ad wektorowej. Ciekawi mnie, czy mo偶na jako艣 zgadywa膰 relacje.
NER mo偶emy robi膰 te偶 za pomoc膮 modeli z Hugging Face - https://huggingface.co/dslim/bert-base-NER . Widzia艂bym zastosowanie tej funkcjonalno艣ci w automatycznym tworzeniu tag贸w do tekst贸w.
殴r贸d艂a
https://www.openindex.io/entity-search/ - wypr贸buj jak to dzia艂a
Disclaimer - tekst powsta艂 bez u偶ycia AI. Blog nap臋dzany przez duchow膮 pomoc RadioSwiss
Brak komentarzy:
Prze艣lij komentarz