Co je vlastní Analýza textu stavu?

  • Článek

Poznámka:

Vlastní analýza textu pro stav (Preview) bude vyřazena 10. ledna 2025. Do tohoto data přejděte na jiné služby trénování vlastních modelů, jako je rozpoznávání vlastních pojmenovaných entit v jazyce Azure AI. Od 10. ledna 2025 můžete v existujících projektech bez přerušení dál používat vlastní analýzu textu pro stav (Preview). Nemůžete vytvářet nové projekty. 10. ledna 2025 – úlohy spuštěné ve vlastní analýze textu pro stav (Preview) budou odstraněny a související data projektu budou ztracena.

Vlastní Analýza textu pro stav je jednou z vlastních funkcí nabízených jazykem Azure AI. Jedná se o cloudovou službu API, která používá inteligenci strojového učení, která umožňuje vytvářet vlastní modely nad Analýza textu pro stav vlastních úloh rozpoznávání entit ve zdravotnictví.

Vlastní Analýza textu pro zdraví umožňuje uživatelům vytvářet vlastní modely AI pro extrakci zdravotnických entit z nestrukturovaného textu, jako jsou klinické poznámky a sestavy. Vytvořením vlastního Analýza textu pro projekt stavu můžou vývojáři iterativním způsobem definovat novou slovní zásobu, data popisků, trénovat, vyhodnocovat a zlepšovat výkon modelu před tím, než ho zpřístupní ke spotřebě. Kvalita označených dat výrazně ovlivňuje výkon modelu. Kvůli zjednodušení sestavování a přizpůsobení modelu nabízí služba webový portál, ke kterému je možné přistupovat prostřednictvím jazykového studia. Můžete snadno začít se službou pomocí kroků v tomto rychlém startu.

Tato dokumentace obsahuje následující typy článků:

  • Rychlé starty vám pomůžou začít s vytvářením žádostí o službu.
  • Koncepty poskytují vysvětlení funkcí a funkcí služby.
  • Návody obsahují pokyny pro používání služby konkrétnějšími nebo přizpůsobenými způsoby.

Příklady scénářů použití

Podobně jako Analýza textu pro zdraví je možné použít vlastní Analýza textu pro zdraví ve více scénářích v různých odvětvích zdravotní péče. Hlavním využitím této funkce je ale poskytnutí vrstvy přizpůsobení nad Analýza textu stavu, aby se rozšířilo stávající mapování entit.

Životní cyklus vývoje projektu

Použití vlastních Analýza textu pro stav obvykle zahrnuje několik různých kroků.

Diagram znázorňující životní cyklus vývoje projektu při práci s vlastními modely

  • Definujte schéma: Seznamte se s daty a definujte nové entity, které chcete extrahovat nad existujícími Analýza textu pro mapování entit stavu. Vyhněte se nejednoznačnosti.

  • Označení dat: Popisování dat je klíčovým faktorem při určování výkonu modelu. Označit přesně, konzistentně a zcela.

    • Popisek přesně: Vždy označte každou entitu správným typem. Uveďte jenom to, co chcete extrahovat, vyhněte se zbytečným datům v popiscích.
    • Popisek konzistentně: Stejná entita by měla mít stejný popisek ve všech souborech.
    • Popisek zcela: Všechny instance entity ve všech souborech označte.

  • Trénování modelu: Váš model se začíná učit z označených dat.

  • Prohlédněte si výkon modelu: Po dokončení trénování si prohlédněte podrobnosti o vyhodnocení modelu, jeho výkon a pokyny, jak ho vylepšit.

  • Nasazení modelu: Nasazení modelu zpřístupňuje použití prostřednictvím rozhraní API.

  • Extrakce entit: Použití vlastních modelů pro úlohy extrakce entit

Referenční dokumentace a ukázky kódu

Při používání vlastních Analýza textu pro stav si projděte následující referenční dokumentaci k jazyku Azure AI:

Rozhraní API Referenční dokumentace
Rozhraní REST API (vytváření) Dokumentace k rozhraní REST API
Rozhraní REST API (modul runtime) Dokumentace k rozhraní REST API

Zodpovědná AI

Systém AI zahrnuje nejen technologii, ale také lidi, kteří ji budou používat, osoby, které ho budou ovlivněny, a prostředí, ve kterém je nasazené. Přečtěte si poznámku k transparentnosti pro Analýza textu o stavu, abyste se dozvěděli o zodpovědném používání a nasazení umělé inteligence ve vašich systémech. Další informace najdete také v následujících článcích:

Další kroky