Senden einer benutzerdefinierten Anforderung für die benutzerdefinierte Stimmungsanalyse an Ihr benutzerdefiniertes Modell

Artikel
09/03/2024

Nachdem die Bereitstellung erfolgreich hinzugefügt wurde, können Sie die Bereitstellung abfragen, um Entitäten aus Ihrem Text basierend auf dem Modell zu extrahieren, das Sie der Bereitstellung zugewiesen haben. Sie können die Bereitstellung programmgesteuert mithilfe der Vorhersage-API oder über die Clientbibliotheken (Azure-SDK) abfragen.

Testen eines bereitgestellten benutzerdefinierten Stimmungsanalysemodells

Sie können Language Studio verwenden, um die Aufgabe für die Erkennung von benutzerdefinierten Entitäten zu übermitteln und die Ergebnisse zu visualisieren.

So testen Sie Ihre bereitgestellten Modelle über Language Studio

Wählen Sie Testbereitstellungen aus dem Menü auf der linken Seite aus.
Wählen Sie die Bereitstellung aus, die Sie testen möchten. Sie können nur Modelle testen, die Bereitstellungen zugewiesen sind.
Wählen Sie für mehrsprachige Projekte die Sprache des Textes, den Sie testen möchten, über das Dropdownmenü „Sprache“ aus.
Wählen Sie die Bereitstellung aus der Dropdownliste aus, die Sie abfragen bzw. testen möchten.
Sie können den Text eingeben, den Sie in der Anforderung übermitteln möchten, oder laden Sie eine zu verwendende .txt-Datei hoch.
Wählen Sie im oberen Menü Test ausführen aus.
Auf der Registerkarte Ergebnis sehen Sie die aus Ihrem Text extrahierten Entitäten und ihren Typ. Auf der Registerkarte JSON können Sie außerdem die JSON-Antwort anzeigen.

Senden einer Anforderung für die Stimmungsanalyse an Ihr Modell

Language Studio
REST-API

Nachdem der Bereitstellungsauftrag erfolgreich abgeschlossen wurde, wählen Sie die Bereitstellung aus, die Sie verwenden möchten, und wählen Sie dann im oberen Menü die Option Vorhersage-URL abrufen aus.
Kopieren Sie im daraufhin angezeigten Fenster unter dem Pivot Senden die URL und den Text der Beispielanforderung. Ersetzen Sie die Platzhalterwerte wie YOUR_DOCUMENT_HERE und YOUR_DOCUMENT_LANGUAGE_HERE durch den tatsächlichen Text und die Sprache, die Sie verarbeiten möchten.
Übermitteln Sie die cURL-Anforderung POST in Ihrem Terminal oder an der Eingabeaufforderung. Wenn die Anforderung erfolgreich war, erhalten Sie eine 202-Antwort mit den API-Ergebnissen.
Extrahieren Sie im Antwortheader, den Sie erhalten, {JOB-ID} aus operation-location, das im folgenden Format vorliegt: {ENDPOINT}/language/analyze-text/jobs/<JOB-ID}>.
Gehen Sie zurück zu Language Studio, und wählen Sie im gleichen Fenster, in dem Sie die zuvor erhaltene Beispielanforderung abgerufen haben, das Pivot Abrufen aus, und kopieren Sie die Beispielanforderung in einen Text-Editor.
Fügen Sie der URL Ihre Auftrags-ID nach /jobs/ hinzu, und verwenden Sie dabei die ID, die Sie aus dem vorherigen Schritt extrahiert haben.
Übermitteln Sie die cURL-Anforderung GET in Ihrem Terminal oder an der Eingabeaufforderung.

Zuerst müssen Sie Ihren Ressourcenschlüssel und Ihren Endpunkt abrufen:

Navigieren Sie im Azure-Portal zur Übersichtsseite Ihrer Ressource.
Wählen Sie im Menü auf der linken Seite Schlüssel und Endpunkt aus. Sie verwenden den Endpunkt und Schlüssel für die API-Anforderungen.

Übermitteln einer Aufgabe für die benutzerdefinierte Stimmungsanalyse

Verwenden Sie diese POST-Anforderung, um eine Textklassifizierungsaufgabe zu starten.

{ENDPOINT}/language/analyze-text/jobs?api-version={API-VERSION}

Platzhalter	Wert	Beispiel
`{ENDPOINT}`	Der Endpunkt für die Authentifizierung Ihrer API-Anforderung.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{API-VERSION}`	Die Version der von Ihnen aufgerufenen API. Der hier referenzierte Wert gilt für die neueste veröffentlichte Version.	`2023-04-15-preview`

Header

Schlüssel	Wert
Ocp-Apim-Subscription-Key	Ihr Schlüssel, der den Zugriff auf diese API ermöglicht.

Body

{
  "displayName": "Detecting sentiment",
  "analysisInput": {
    "documents": [
      {
        "id": "1",
        "language": "{LANGUAGE-CODE}",
        "text": "Text1"
      },
      {
        "id": "2",
        "language": "{LANGUAGE-CODE}",
        "text": "Text2"
      }
    ]
  },
  "tasks": [
     {
      "kind": "CustomTextSentiment",
      "taskName": "Sentiment analysis",
      "parameters": {
        "projectName": "{PROJECT-NAME}",
        "deploymentName": "{DEPLOYMENT-NAME}"
      }
    }
  ]
}

Schlüssel	Platzhalter	Wert	Beispiel
`displayName`	`{JOB-NAME}`	Dies ist der Name Ihres Auftrags.	`MyJobName`
`documents`	[{},{}]	Dies ist die Liste der Dokumente, für die Aufgaben ausgeführt werden sollen.	`[{},{}]`
`id`	`{DOC-ID}`	Hierbei handelt es sich um den Namen oder die ID des Dokuments.	`doc1`
`language`	`{LANGUAGE-CODE}`	Dies ist eine Zeichenfolge, die den Sprachcode des Dokuments angibt. Wenn dieser Schlüssel nicht angegeben ist, nimmt der Dienst die Standardsprache des Projekts an, die bei der Projekterstellung ausgewählt wurde.	`en-us`
`text`	`{DOC-TEXT}`	Dies ist die Dokumentaufgabe, für die die Aufgaben ausgeführt werden sollen.	`Lorem ipsum dolor sit amet`
`tasks`		Liste der Aufgaben, die ausgeführt werden sollen.	`[]`
`taskName`	`CustomTextSentiment`	Aufgabenname	`CustomTextSentiment`
`parameters`		Dies ist die Liste der Parameter, die an die Aufgabe übergeben werden.
`project-name`	`{PROJECT-NAME}`	Der Name für Ihr Projekt. Bei diesem Wert wird die Groß-/Kleinschreibung beachtet.	`myProject`
`deployment-name`	`{DEPLOYMENT-NAME}`	Der Name Ihrer Bereitstellung. Bei diesem Wert wird die Groß-/Kleinschreibung beachtet.	`prod`

Antwort

Sie erhalten eine Antwort vom Typ „202“, die angibt, dass Ihre Aufgabe erfolgreich übermittelt wurde. Extrahieren Sie operation-location in den Antwortheadern. operation-location weist dieses Format auf:

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}

Sie können diese URL verwenden, um den Abschlussstatus der Aufgabe abzufragen und die Ergebnisse abzurufen, wenn die Aufgabe abgeschlossen ist.

Abrufen der Aufgabenergebnisse

Verwenden Sie die folgende GET-Anforderung, um den Status/die Ergebnisse der Aufgabe für die Erkennung von benutzerdefinierten Entitäten abzufragen.

{ENDPOINT}/language/analyze-text/jobs/{JOB-ID}?api-version={API-VERSION}

Platzhalter	Wert	Beispiel
`{ENDPOINT}`	Der Endpunkt für die Authentifizierung Ihrer API-Anforderung.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{API-VERSION}`	Die Version der von Ihnen aufgerufenen API. Der hier referenzierte Wert gilt für die neueste veröffentlichte Version.	`2023-04-15-preview`

Header

Schlüssel	Wert
Ocp-Apim-Subscription-Key	Ihr Schlüssel, der den Zugriff auf diese API ermöglicht.

Antworttext

Die Antwort ist ein JSON-Dokument mit den folgenden Parametern:

{
  "createdDateTime": "2021-05-19T14:32:25.578Z",
  "displayName": "MyJobName",
  "expirationDateTime": "2021-05-19T14:32:25.578Z",
  "jobId": "xxxx-xxxx-xxxxx-xxxxx",
  "lastUpdateDateTime": "2021-05-19T14:32:25.578Z",
  "status": "succeeded",
  "tasks": {
    "completed": 1,
    "failed": 0,
    "inProgress": 0,
    "total": 1,
    "items": [
      {
        "kind": "EntityRecognitionLROResults",
        "taskName": "Recognize Entities",
        "lastUpdateDateTime": "2020-10-01T15:01:03Z",
        "status": "succeeded",
        "results": {
          "documents": [
            {
              "entities": [
                {
                  "category": "Event",
                  "confidenceScore": 0.61,
                  "length": 4,
                  "offset": 18,
                  "text": "trip"
                },
                {
                  "category": "Location",
                  "confidenceScore": 0.82,
                  "length": 7,
                  "offset": 26,
                  "subcategory": "GPE",
                  "text": "Seattle"
                },
                {
                  "category": "DateTime",
                  "confidenceScore": 0.8,
                  "length": 9,
                  "offset": 34,
                  "subcategory": "DateRange",
                  "text": "last week"
                }
              ],
              "id": "1",
              "warnings": []
            }
          ],
          "errors": [],
          "modelVersion": "2020-04-01"
        }
      }
    ]
  }
}

Nächste Schritte

Übersicht über die Standpunktanalyse

Freigeben über

Senden einer benutzerdefinierten Anforderung für die benutzerdefinierte Stimmungsanalyse an Ihr benutzerdefiniertes Modell

Testen eines bereitgestellten benutzerdefinierten Stimmungsanalysemodells

Senden einer Anforderung für die Stimmungsanalyse an Ihr Modell

Übermitteln einer Aufgabe für die benutzerdefinierte Stimmungsanalyse

Header

Body

Antwort

Abrufen der Aufgabenergebnisse

Header

Antworttext

Nächste Schritte

Feedback

Zusätzliche Ressourcen