textanalytics Paquet

Objet représentant un résumé unique avec le contexte pour un document donné.

Nouveautés de la version 2023-04-01 : Le modèle AbstractiveSummary .

AbstractiveSummaryAction encapsule les paramètres de démarrage d’une opération de résumé abstrait de longue durée. Pour une discussion conceptuelle sur le résumé extractif, consultez la documentation du service : https://learn.microsoft.com/azure/cognitive-services/language-service/summarization/overview

Le résumé abstrait génère un résumé pour les documents d’entrée. Le résumé abstrait diffère du résumé extractif en ce que le résumé extractif est la stratégie de concaténation des phrases extraites du document d’entrée en un résumé, tandis que le résumé abstrait implique la paraphrasation du document à l’aide de nouvelles phrases.

Nouveautés de la version 2023-04-01 : Le modèle AbstractiveSummaryAction .

AbstractiveSummaryResult est un objet de résultat qui contient le résumé généré pour un document particulier.

Nouveauté de la version 2023-04-01 : Le modèle AbstractiveSummaryResult .

AnalyzeHealthcareEntitiesAction encapsule les paramètres de démarrage d’une opération d’analyse des entités de soins de santé de longue durée.

Si vous souhaitez simplement analyser les entités de soins de santé dans une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode begin_analyze_healthcare_entities au lieu d’interagir avec ce modèle.

Nouveauté de la version 2022-05-01 : le modèle AnalyzeHealthcareEntitiesAction .

AnalyzeHealthcareEntitiesResult contient les entités de soins de santé d’un document particulier.

AnalyzeSentimentAction encapsule les paramètres de démarrage d’une opération d’analyse des sentiments de longue durée.

Si vous souhaitez simplement analyser les sentiments dans une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode analyze_sentiment au lieu d’interagir avec ce modèle.

AnalyzeSentimentResult est un objet de résultat qui contient les scores de sentiments et de confiance globaux prédits pour votre document, ainsi qu’une prédiction de sentiment par phrase avec des scores.

AssessmentSentiment contient le sentiment prédit, les scores de confiance et d’autres informations sur une évaluation donnée sur une cible particulière. Par exemple, dans la phrase « La nourriture est bonne », l’évaluation de la cible « nourriture » est « bonne ».

CatégoriséEntity contient des informations sur une entité particulière trouvée dans du texte.

Nouveauté de la version v3.1 : propriétés offset et length .

ClassificationCategory représente une classification du document d’entrée.

ClassDocumentResult est un objet de résultat qui contient les classifications d’un document particulier.

Document d’entrée à analyser pour détecter la langue.

DetectLanguageResult est un objet de résultat qui contient la langue détectée d’un document particulier.

DetectedLanguage contient la langue prédite trouvée dans le texte, son score de confiance et sa représentation ISO 639-1.

DocumentError est un objet d’erreur qui représente une erreur sur le document individuel.

ExtractKeyPhrasesAction encapsule les paramètres pour démarrer une opération d’extraction d’expressions clés de longue durée

Si vous souhaitez simplement extraire des expressions clés d’une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode extract_key_phrases au lieu d’interagir avec ce modèle.

ExtractKeyPhrasesResult est un objet de résultat qui contient les expressions clés trouvées dans un document particulier.

ExtractSummaryAction encapsule les paramètres de démarrage d’une opération de synthèse de texte extractif de longue durée. Pour une discussion conceptuelle sur le résumé extractif, consultez la documentation du service : https://learn.microsoft.com/azure/cognitive-services/language-service/summarization/overview

Nouveauté de la version 2023-04-01 : Le modèle ExtractSummaryAction .

ExtractSummaryResult est un objet de résultat qui contient le résumé du texte extractif d’un document particulier.

HealthcareEntity contient des informations sur une entité Healthcare trouvée dans du texte.

Contient diverses assertions sur un HealthcareEntity.

Par exemple, si une entité est un diagnostic, ce diagnostic est-il « conditionnel » à un symptôme ? Les médecins sont-ils certains de ce diagnostic ? Ce diagnostic est-il « associé » à un autre diagnostic ?

HealthcareEntityDataSource contient des informations représentant une référence d’entité dans une source de données connue.

HealthcareRelation est un objet de résultat qui représente une relation détectée dans un document.

Chaque HealthcareRelation est un graphique d’entités d’un certain type de relation, où toutes les entités sont connectées et ont des rôles spécifiques dans le contexte de relation.

Nouveauté de la version 2023-04-01 : propriété confidence_score .

Modèle représentant un rôle dans une relation.

Par exemple, dans « Le sujet a pris 100 mg d’ibuprofène », « 100 mg » est une entité posologique qui remplit le rôle « Dosage » dans la relation extraite « DosageOfMedication ».

LinkedEntity contient un lien vers l’entité reconnue bien connue dans le texte. Le lien provient d’une source de données comme Wikipédia ou Bing. Il inclut également toutes les correspondances de cette entité trouvées dans le document.

Nouveauté de la version v3.1 : propriété bing_entity_search_api_id .

Correspondance pour l’entité liée trouvée dans le texte. Fournit le score de confiance de la prédiction et l’emplacement où l’entité a été trouvée dans le texte.

Nouveauté de la version v3.1 : propriétés offset et length .

Un objet d’opinion miné représente une opinion que nous avons extraite d’une phrase. Il se compose à la fois d’une cible sur laquelle ces opinions portent et des évaluations représentant l’opinion.

MultiLabelClassifyAction encapsule les paramètres de démarrage d’une opération de classification multi-étiquettes personnalisée de longue durée. Pour plus d’informations sur la prise en charge régionale des fonctionnalités personnalisées et sur l’apprentissage d’un modèle pour classifier vos documents, consultez https://aka.ms/azsdk/textanalytics/customfunctionalities

Nouveauté de la version 2022-05-01 : Le modèle MultiLabelClassifyAction .

PiiEntity contient des informations sur une entité d’informations d’identification personnelle (PII) trouvées dans du texte.

RecognizeCustomEntitiesAction encapsule les paramètres de démarrage d’une opération de reconnaissance d’entité personnalisée de longue durée. Pour plus d’informations sur la prise en charge régionale des fonctionnalités personnalisées et sur la façon d’entraîner un modèle à la reconnaissance d’entités personnalisées, consultez https://aka.ms/azsdk/textanalytics/customentityrecognition

Nouveauté de la version 2022-05-01 : Le modèle RecognizeCustomEntitiesAction .

RecognizeCustomEntitiesResult est un objet de résultat qui contient les entités reconnues personnalisées d’un document particulier.

RecognizeEntitiesAction encapsule les paramètres de démarrage d’une opération de reconnaissance d’entités de longue durée.

Si vous souhaitez simplement reconnaître des entités dans une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode recognize_entities au lieu d’interagir avec ce modèle.

RecognizeEntitiesResult est un objet de résultat qui contient les entités reconnues d’un document particulier.

RecognizeLinkedEntitiesAction encapsule les paramètres de démarrage d’une opération de reconnaissance d’entités liées de longue durée.

Si vous souhaitez simplement reconnaître des entités liées dans une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode recognize_linked_entities au lieu d’interagir avec ce modèle.

RecognizeLinkedEntitiesResult est un objet de résultat qui contient des liens vers un base de connaissances connu, comme par exemple Wikipédia ou Bing.

RecognizePiiEntitiesAction encapsule les paramètres de démarrage d’une opération de reconnaissance des entités PII de longue durée. Pour plus d’informations, consultez la documentation du service : https://aka.ms/azsdk/language/pii

Si vous souhaitez simplement reconnaître des entités pii dans une liste de documents et ne pas effectuer plusieurs actions de longue durée sur l’entrée de documents, appelez la méthode recognize_pii_entities au lieu d’interagir avec ce modèle.

RecognizePiiEntitiesResult est un objet de résultat qui contient les entités d’informations d’identification personnelle (PII) reconnues d’un document particulier.

SentenceSentiment contient les scores de sentiment et de confiance prédits pour chaque phrase individuelle du document.

Nouveauté de la version v3.1 : les propriétés offset, length et mined_opinions .

Les scores de confiance (scores Softmax) compris entre 0 et 1. Des valeurs plus élevées indiquent une confiance plus élevée.

SingleLabelClassifyAction encapsule les paramètres de démarrage d’une opération de classification d’étiquette unique personnalisée de longue durée. Pour plus d’informations sur la prise en charge régionale des fonctionnalités personnalisées et sur l’apprentissage d’un modèle pour classifier vos documents, consultez https://aka.ms/azsdk/textanalytics/customfunctionalities

Nouveauté de la version 2022-05-01 : modèle SingleLabelClassifyAction .

Contexte du résumé.

Nouveautés de la version 2023-04-01 : le modèle SummaryContext .

Représente une seule phrase de la synthèse du texte extractif.

Nouveauté de la version 2023-04-01 : le modèle SummarySentence .

TargetSentiment contient le sentiment prédit, les scores de confiance et d’autres informations sur un composant clé d’un produit/service. Par exemple, dans « La nourriture à l’Hôtel Foo est bonne », « food » est un composant clé de « Hotel Foo ».

Implémente un protocole avec lequel les objets d’interrogation retournés sont cohérents avec.

L’API language service est une suite de compétences de traitement en langage naturel (NLP) créées avec les meilleurs algorithmes de Machine Learning Microsoft. L’API peut être utilisée pour analyser du texte non structuré pour des tâches telles que l’analyse des sentiments, l’extraction d’expressions clés, la reconnaissance d’entités et la détection de langue, etc.

Vous trouverez plus de documentation dans https://docs.microsoft.com/azure/cognitive-services/language-service/overview

TextAnalyticsError contient le code d’erreur, le message et d’autres détails qui expliquent pourquoi le traitement du lot ou du document individuel n’a pas pu être effectué par le service.

TextAnalyticsWarning contient le code d’avertissement et le message qui expliquent pourquoi la réponse contient un avertissement.

TextDocumentBatchStatistics contient des informations sur la charge utile de la requête. Remarque : cet objet n’est pas retourné dans la réponse et doit être récupéré par un hook de réponse.

Document d’entrée à analyser par le service.

TextDocumentStatistics contient des informations sur la charge utile du document.

Indique si l’entité est l’objet du texte ou si elle décrit quelqu’un d’autre.

Décrit la certitude et la polarité des entités.

Décrit toute conditionnalité sur l’entité.

Catégorie d’entité de soins de santé.

Type de relation. Exemples : DosageOfMedication ou « FrequencyOfMedication », etc.

PiiEntityCategory.

Les différents domaines des entités PII que les utilisateurs peuvent filtrer par

Énumération des types d’analyse de texte pris en charge.

Nouveauté de la version 2022-05-01 : l’énumération TextAnalysisKind .

Versions de l’API Cognitive Service for Language ou Analyse de texte prises en charge par ce package