Hızlı Başlangıç: Adlandırılmış varlıkları algılama (NER)

Başvuru belgeleri | Diğer örnekler | Paket (NuGet) | Kitaplık kaynak kodu

.NET için istemci kitaplığıyla Adlandırılmış Varlık Tanıma (NER) uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metindeki tanınan varlıkları tanımlayabilen bir C# uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Visual Studio IDE

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Yeni .NET Core uygulaması oluşturma

Visual Studio IDE’yi kullanarak yeni bir .NET Core konsol uygulaması oluşturun. Bu, tek bir C# kaynak dosyasıyla bir "Merhaba Dünya" projesi oluşturur: program.cs.

Çözüm Gezgini’nde çözüme sağ tıklayarak ve NuGet paketlerini yönet seçeneğini belirleyerek istemci kitaplığını yükleyin. Açılan paket yöneticisinde Gözat'ı seçin ve öğesini arayınAzure.AI.TextAnalytics. Sürüm olarak 5.2.0 seçin ve Yükle seçeneğini belirleyin. Paket Yöneticisi Konsolu’nu da kullanabilirsiniz.

Kod örneği

Aşağıdaki kodu program.cs dosyanıza kopyalayın ve kodu çalıştırın.

using Azure;
using System;
using Azure.AI.TextAnalytics;

namespace Example
{
    class Program
    {
        // This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
        static string languageKey = Environment.GetEnvironmentVariable("LANGUAGE_KEY");
        static string languageEndpoint = Environment.GetEnvironmentVariable("LANGUAGE_ENDPOINT");

        private static readonly AzureKeyCredential credentials = new AzureKeyCredential(languageKey);
        private static readonly Uri endpoint = new Uri(languageEndpoint);
        
        // Example method for extracting named entities from text 
        static void EntityRecognitionExample(TextAnalyticsClient client)
        {
            var response = client.RecognizeEntities("I had a wonderful trip to Seattle last week.");
            Console.WriteLine("Named Entities:");
            foreach (var entity in response.Value)
            {
                Console.WriteLine($"\tText: {entity.Text},\tCategory: {entity.Category},\tSub-Category: {entity.SubCategory}");
                Console.WriteLine($"\t\tScore: {entity.ConfidenceScore:F2},\tLength: {entity.Length},\tOffset: {entity.Offset}\n");
            }
        }

        static void Main(string[] args)
        {
            var client = new TextAnalyticsClient(endpoint, credentials);
            EntityRecognitionExample(client);

            Console.Write("Press any key to exit.");
            Console.ReadKey();
        }

    }
}

Çıktı

Named Entities:
        Text: trip,     Category: Event,        Sub-Category:
                Score: 0.74,    Length: 4,      Offset: 18

        Text: Seattle,  Category: Location,     Sub-Category: GPE
                Score: 1.00,    Length: 7,      Offset: 26

        Text: last week,        Category: DateTime,     Sub-Category: DateRange
                Score: 0.80,    Length: 9,      Offset: 34

Başvuru belgeleri | Diğer örnekler | Paket (Maven) | Kitaplık kaynak kodu

Java için istemci kitaplığıyla Adlandırılmış Varlık Tanıma (NER) uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metindeki tanınan varlıkları tanımlayabilen bir Java uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Java Geliştirme Seti (JDK) sürüm 8 veya üstü

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

İstemci kitaplığını ekleme

Tercih ettiğiniz IDE veya geliştirme ortamında bir Maven projesi oluşturun. Ardından aşağıdaki bağımlılığı projenizin pom.xml dosyasına ekleyin. Diğer derleme araçlarına yönelik uygulama söz dizimini çevrimiçi olarak bulabilirsiniz.

<dependencies>
     <dependency>
        <groupId>com.azure</groupId>
        <artifactId>azure-ai-textanalytics</artifactId>
        <version>5.2.0</version>
    </dependency>
</dependencies>

Kod örneği

Example.java adlı bir Java dosyası oluşturun. Dosyayı açın ve aşağıdaki kodu kopyalayın. Sonra kodu çalıştırın.

import com.azure.core.credential.AzureKeyCredential;
import com.azure.ai.textanalytics.models.*;
import com.azure.ai.textanalytics.TextAnalyticsClientBuilder;
import com.azure.ai.textanalytics.TextAnalyticsClient;

public class Example {

    // This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
    private static String languageKey = System.getenv("LANGUAGE_KEY");
    private static String languageEndpoint = System.getenv("LANGUAGE_ENDPOINT");

    public static void main(String[] args) {
        TextAnalyticsClient client = authenticateClient(languageKey, languageEndpoint);
        recognizeEntitiesExample(client);
    }
    // Method to authenticate the client object with your key and endpoint
    static TextAnalyticsClient authenticateClient(String key, String endpoint) {
        return new TextAnalyticsClientBuilder()
                .credential(new AzureKeyCredential(key))
                .endpoint(endpoint)
                .buildClient();
    }
    // Example method for recognizing entities in text
    static void recognizeEntitiesExample(TextAnalyticsClient client)
    {
        // The text that needs to be analyzed.
        String text = "I had a wonderful trip to Seattle last week.";
    
        for (CategorizedEntity entity : client.recognizeEntities(text)) {
            System.out.printf(
                "Recognized entity: %s, entity category: %s, entity sub-category: %s, score: %s, offset: %s, length: %s.%n",
                entity.getText(),
                entity.getCategory(),
                entity.getSubcategory(),
                entity.getConfidenceScore(),
                entity.getOffset(),
                entity.getLength());
        }
    }
}

Çıktı

Recognized entity: trip, entity category: Event, entity sub-category: null, score: 0.74, offset: 18, length: 4.
Recognized entity: Seattle, entity category: Location, entity sub-category: GPE, score: 1.0, offset: 26, length: 7.
Recognized entity: last week, entity category: DateTime, entity sub-category: DateRange, score: 0.8, offset: 34, length: 9.

Başvuru belgeleri | Diğer örnekler | Paket (npm) | Kitaplık kaynak kodu

Node.js için istemci kitaplığıyla Adlandırılmış Varlık Tanıma (NER) uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metindeki tanınan varlıkları tanımlayabilen bir JavaScript uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Node.js v14 LTS veya üzeri

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Yeni bir Node.js uygulaması oluşturma

Konsol penceresinde (cmd, PowerShell veya Bash gibi), uygulamanız için yeni bir dizin oluşturun ve bu dizine gidin.

mkdir myapp 

cd myapp

Bir package.json dosyası ile bir düğüm uygulaması oluşturmak için npm init komutunu çalıştırın.

npm init

İstemci kitaplığını yükleme

npm paketini yükleyin:

npm install @azure/ai-language-text

Kod örneği

Dosyayı açın ve aşağıdaki kodu kopyalayın. Sonra kodu çalıştırın.

"use strict";

const { TextAnalyticsClient, AzureKeyCredential } = require("@azure/ai-text-analytics");

// This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
const key = process.env.LANGUAGE_KEY;
const endpoint = process.env.LANGUAGE_ENDPOINT;

//an example document for entity recognition
const documents = [ "Microsoft was founded by Bill Gates and Paul Allen on April 4, 1975, to develop and sell BASIC interpreters for the Altair 8800"];

//example of how to use the client library to recognize entities in a document.
async function main() {
    console.log("== NER sample ==");
  
    const client = new TextAnalysisClient(endpoint, new AzureKeyCredential(key));
  
    const results = await client.analyze("EntityRecognition", documents);
  
    for (const result of results) {
      console.log(`- Document ${result.id}`);
      if (!result.error) {
        console.log("\tRecognized Entities:");
        for (const entity of result.entities) {
          console.log(`\t- Entity ${entity.text} of type ${entity.category}`);
        }
      } else console.error("\tError:", result.error);
    }
  }

//call the main function
main().catch((err) => {
    console.error("The sample encountered an error:", err);
});

Çıktı

Document ID: 0
        Name: Microsoft         Category: Organization  Subcategory: N/A
        Score: 0.29
        Name: Bill Gates        Category: Person        Subcategory: N/A
        Score: 0.78
        Name: Paul Allen        Category: Person        Subcategory: N/A
        Score: 0.82
        Name: April 4, 1975     Category: DateTime      Subcategory: Date
        Score: 0.8
        Name: 8800      Category: Quantity      Subcategory: Number
        Score: 0.8
Document ID: 1
        Name: 21        Category: Quantity      Subcategory: Number
        Score: 0.8
        Name: Seattle   Category: Location      Subcategory: GPE
        Score: 0.25

Başvuru belgeleri | Diğer örnekler | Paket (PyPi) | Kitaplık kaynak kodu

Python için istemci kitaplığıyla Adlandırılmış Varlık Tanıma (NER) uygulaması oluşturmak için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metindeki tanınan varlıkları tanımlayabilen bir Python uygulaması oluşturacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun
• Python 3.8 veya üzeri

Ayarlama

İstemci kitaplığını yükleme

Python yükledikten sonra şunları kullanarak istemci kitaplığını yükleyebilirsiniz:

pip install azure-ai-textanalytics==5.2.0

Kod örneği

Yeni bir Python dosyası oluşturun ve aşağıdaki kodu kopyalayın. Sonra kodu çalıştırın.

# This example requires environment variables named "LANGUAGE_KEY" and "LANGUAGE_ENDPOINT"
language_key = os.environ.get('LANGUAGE_KEY')
language_endpoint = os.environ.get('LANGUAGE_ENDPOINT')

from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential

# Authenticate the client using your key and endpoint 
def authenticate_client():
    ta_credential = AzureKeyCredential(language_key)
    text_analytics_client = TextAnalyticsClient(
            endpoint=language_endpoint, 
            credential=ta_credential)
    return text_analytics_client

client = authenticate_client()

# Example function for recognizing entities from text
def entity_recognition_example(client):

    try:
        documents = ["I had a wonderful trip to Seattle last week."]
        result = client.recognize_entities(documents = documents)[0]

        print("Named Entities:\n")
        for entity in result.entities:
            print("\tText: \t", entity.text, "\tCategory: \t", entity.category, "\tSubCategory: \t", entity.subcategory,
                    "\n\tConfidence Score: \t", round(entity.confidence_score, 2), "\tLength: \t", entity.length, "\tOffset: \t", entity.offset, "\n")

    except Exception as err:
        print("Encountered exception. {}".format(err))
entity_recognition_example(client)

Çıktı

Named Entities:

    Text:    trip   Category:        Event  SubCategory:     None
    Confidence Score:        0.74   Length:          4      Offset:          18

    Text:    Seattle        Category:        Location       SubCategory:     GPE
    Confidence Score:        1.0    Length:          7      Offset:          26

    Text:    last week      Category:        DateTime       SubCategory:     DateRange
    Confidence Score:        0.8    Length:          9      Offset:          34

Başvuru belgeleri

REST API kullanarak Adlandırılmış Varlık Tanıma (NER) istekleri göndermek için bu hızlı başlangıcı kullanın. Aşağıdaki örnekte, metindeki tanınan varlıkları tanımlamak için cURL kullanacaksınız.

Önkoşullar

• Azure aboneliği - Ücretsiz olarak oluşturun

Ayarlama

Azure kaynağı oluşturma

Aşağıdaki kod örneğini kullanmak için bir Azure kaynağı dağıtmanız gerekir. Bu kaynak, Dil hizmetine gönderdiğiniz API çağrılarının kimliğini doğrulamak için kullanacağınız bir anahtar ve uç nokta içerir.

1. Azure portalını kullanarak dil kaynağı oluşturmak için aşağıdaki bağlantıyı kullanın. Azure aboneliğinizi kullanarak oturum açmanız gerekir.

2. Görüntülenen Ek özellikleri seçin ekranında Devam'ı seçerek kaynağınızı oluşturun.

   

3. Dil oluştur ekranında aşağıdaki bilgileri sağlayın:

   Ayrıntı	Açıklama
   Abonelik	Kaynağınızın ilişkilendirileceği abonelik hesabı. Açılan menüden Azure aboneliğinizi seçin.
   Kaynak grubu	Kaynak grubu, oluşturduğunuz kaynakları depolayan bir kapsayıcıdır. Yeni kaynak grubu oluşturmak için Yeni oluştur'u seçin.
   Bölge	Dil kaynağınızın konumu. Fiziksel konumunuza bağlı olarak farklı bölgeler gecikmeye neden olabilir, ancak kaynağınızın çalışma zamanı kullanılabilirliğini etkilemez. Bu hızlı başlangıç için yakınınızda kullanılabilir bir bölge seçin veya Doğu ABD'yi seçin.
   Veri Akışı Adı	Dil kaynağınızın adı. Bu ad, uygulamalarınızın API istekleri göndermek için kullanacağı bir uç nokta URL'si oluşturmak için de kullanılır.
   Fiyatlandırma katmanı	Dil kaynağınızın fiyatlandırma katmanı. Ücretsiz F0 katmanını kullanarak hizmeti deneyebilir ve daha sonra üretim için ücretli bir katmana yükseltebilirsiniz.

   

4. Sorumlu Yapay Zeka Bildirimi onay kutusunun işaretli olduğundan emin olun.

5. Sayfanın alt kısmındaki Gözden Geçir + Oluştur'u seçin.

6. Görüntülenen ekranda doğrulamanın geçtiğinden ve bilgilerinizi doğru girdiğinizden emin olun. Daha sonra, Oluştur'u seçin.

Anahtarınızı ve uç noktanızı alma

Ardından uygulamanızı API'ye bağlamak için kaynağın anahtarına ve uç noktasına ihtiyacınız olacak. Anahtarınızı ve uç noktanızı hızlı başlangıcın ilerleyen bölümlerinde koda yapıştıracaksınız.

1. Dil kaynağı başarıyla dağıtıldıktan sonra, Sonraki Adımlar'ın altındaki Kaynağa Git düğmesine tıklayın.

   

2. Kaynağınızın ekranında, sol gezinti menüsünde Anahtarlar ve uç nokta'yı seçin. Aşağıdaki adımlarda anahtarlarınızdan birini ve uç noktanızı kullanacaksınız.

   

Ortam değişkenlerini oluşturma

API istekleri göndermek için uygulamanızın kimliği doğrulanmalıdır. Üretim için kimlik bilgilerinizi depolamanın ve bunlara erişmenin güvenli bir yolunu kullanın. Bu örnekte, kimlik bilgilerinizi uygulamayı çalıştıran yerel makinedeki ortam değişkenlerine yazacaksınız.

Dil kaynak anahtarınızın ortam değişkenini ayarlamak için bir konsol penceresi açın ve işletim sisteminiz ve geliştirme ortamınıza yönelik yönergeleri izleyin.

• Ortam değişkenini LANGUAGE_KEY ayarlamak için değerini kaynağınızın anahtarlarından biriyle değiştirin your-key .
• Ortam değişkenini LANGUAGE_ENDPOINT ayarlamak için değerini kaynağınızın uç noktasıyla değiştirin your-endpoint .

setx LANGUAGE_KEY your-key

setx LANGUAGE_ENDPOINT your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

export LANGUAGE_KEY=your-key

export LANGUAGE_ENDPOINT=your-endpoint

Örnek istek gövdesiyle bir JSON dosyası oluşturma

Kod düzenleyicisinde adlı test_ner_payload.json yeni bir dosya oluşturun ve aşağıdaki JSON örneğini kopyalayın. Bu örnek istek, sonraki adımda API'ye gönderilecektir.

{
    "kind": "EntityRecognition",
    "parameters": {
        "modelVersion": "latest"
    },
    "analysisInput":{
        "documents":[
            {
                "id":"1",
                "language": "en",
                "text": "I had a wonderful trip to Seattle last week."
            }
        ]
    }
}

Bilgisayarınızda bir yere kaydedin test_ner_payload.json . Örneğin, masaüstünüz.

Adlandırılmış varlık tanıma API'si isteği gönderme

Kullandığınız programı kullanarak API isteği göndermek için aşağıdaki komutları kullanın. Komutunu terminalinize kopyalayın ve çalıştırın.

curl -X POST "%LANGUAGE_ENDPOINT%/language/:analyze-text?api-version=2022-05-01" ^
-H "Content-Type: application/json" ^
-H "Ocp-Apim-Subscription-Key: %LANGUAGE_KEY%" ^
-d "@C:\Users\<myaccount>\Desktop\test_ner_payload.json"

curl.exe -X POST $env:LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2022-05-01 `
-H "Content-Type: application/json" `
-H "Ocp-Apim-Subscription-Key: $env:LANGUAGE_KEY" `
-d "@C:\Users\<myaccount>\Desktop\test_ner_payload.json"

curl -X POST $LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2022-05-01 \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: $LANGUAGE_KEY" \
-d "@/home/mydir/test_ner_payload.json"

curl -X POST $LANGUAGE_ENDPOINT/language/:analyze-text?api-version=2022-05-01 \
-H "Content-Type: application/json" \
-H "Ocp-Apim-Subscription-Key: $LANGUAGE_KEY" \
-d "@/home/mydir/test_ner_payload.json"

JSON yanıtı

{
	"kind": "EntityRecognitionResults",
	"results": {
		"documents": [{
			"id": "1",
			"entities": [{
				"text": "trip",
				"category": "Event",
				"offset": 18,
				"length": 4,
				"confidenceScore": 0.74
			}, {
				"text": "Seattle",
				"category": "Location",
				"subcategory": "GPE",
				"offset": 26,
				"length": 7,
				"confidenceScore": 1.0
			}, {
				"text": "last week",
				"category": "DateTime",
				"subcategory": "DateRange",
				"offset": 34,
				"length": 9,
				"confidenceScore": 0.8
			}],
			"warnings": []
		}],
		"errors": [],
		"modelVersion": "2021-06-01"
	}
}

{
	"kind": "EntityRecognitionResults",
	"results": {
		"documents": [{
			"id": "1",
			"entities": [{
				"text": "trip",
				"type": "Event",
				"offset": 18,
				"length": 4,
				"score": 0.74,
				"tags": ["Event"]
			}, {
				"text": "Seattle",
				"type": "Location",
				"offset": 26,
				"length": 7,
				"score": 1.0,
				"tags": ["Location", "GPE", "City"]
			}, {
				"text": "last week",
				"type": "Temporal",
				"offset": 34,
				"length": 9,
				"score": 0.8,
				"tags": ["Temporal", "DateRange"],
				"metadata": {
					"begin": "2022-01-03 00:00:00",
					"end": "2022-01-10 00:00:00"
				}
			}],
			"warnings": []
		}],
		"errors": [],
		"modelVersion": "2023-04-01"
	}
}