Enviar uma solicitação de análise de sentimento personalizada para seu modelo personalizado

Artigo
09/02/2024

Depois que a implantação for adicionada com êxito, você poderá consultá-la para extrair entidades do seu texto com base no modelo atribuído à implantação. Você pode consultar a implantação programaticamente usando a API de Previsão ou por meio das bibliotecas de cliente (SDK do Azure).

Testar um modelo de análise de sentimento personalizado implantado

Você pode usar o Language Studio para enviar a tarefa de reconhecimento de entidade personalizada e visualizar os resultados.

Para testar seus modelos implantados de dentro do Language Studio:

Selecione Testando implantações no menu do lado esquerdo.
Selecione a implantação que você deseja testar. Você só pode testar modelos atribuídos a implantações.
Para projetos multilingues, na lista pendente de línguas, selecione a língua do texto que está a testar.
Selecione a implantação que você deseja consultar/testar na lista suspensa.
Pode introduzir o texto que pretende submeter ao pedido ou carregar um .txt ficheiro para utilizar.
Selecione Executar o teste no menu superior.
Na guia Resultado, você pode ver as entidades extraídas do seu texto e seus tipos. Você também pode exibir a resposta JSON na guia JSON .

Envie uma solicitação de análise de sentimento para o seu modelo

Estúdio de Idiomas
API REST

Depois que o trabalho de implantação for concluído com êxito, selecione a implantação que deseja usar e, no menu superior, selecione Obter URL de previsão.
Na janela exibida, sob o pivô Enviar, copie a URL e o corpo da solicitação de exemplo. Substitua os valores de espaço reservado, como YOUR_DOCUMENT_HERE e YOUR_DOCUMENT_LANGUAGE_HERE pelo texto e idioma reais que você deseja processar.
Envie a POST solicitação cURL no seu terminal ou prompt de comando. Você receberá uma resposta 202 com os resultados da API se a solicitação for bem-sucedida.
No cabeçalho de resposta você recebe extrato {JOB-ID} de operation-location, que tem o formato: {ENDPOINT}/language/analyze-text/jobs/<JOB-ID}>
Voltar ao Language Studio; selecione Recuperar pivô na mesma janela que você recebeu a solicitação de exemplo recebida anteriormente e copie a solicitação de exemplo em um editor de texto.
Adicione seu ID de trabalho depois /jobs/ ao URL, usando o ID extraído da etapa anterior.
Envie a GET solicitação cURL no seu terminal ou prompt de comando.

Primeiro, você precisa obter sua chave de recurso e ponto de extremidade:

Vá para a página de visão geral dos recursos no portal do Azure
No menu do lado esquerdo, selecione Teclas e Ponto de extremidade. Você usará o endpoint e a chave para as solicitações de API

Enviar uma tarefa de análise de sentimento personalizada

Use esta solicitação POST para iniciar uma tarefa de classificação de texto.

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

Marcador de Posição	valor	Exemplo
`{ENDPOINT}`	O ponto de extremidade para autenticar sua solicitação de API.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{API-VERSION}`	A versão da API que você está chamando. O valor referenciado aqui é para a última versão lançada.	`2023-04-15-preview`

Cabeçalhos

Key	valor
Ocp-Apim-Subscription-Key	A sua chave que fornece acesso a esta API.

Corpo

{
  "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}"
      }
    }
  ]
}

Chave	Marcador de Posição	valor	Exemplo
`displayName`	`{JOB-NAME}`	O nome do seu trabalho.	`MyJobName`
`documents`	[{},{}]	Lista de documentos para executar tarefas.	`[{},{}]`
`id`	`{DOC-ID}`	Nome ou ID do documento.	`doc1`
`language`	`{LANGUAGE-CODE}`	Uma cadeia de caracteres especificando o código de idioma para o documento. Se essa chave não for especificada, o serviço assumirá o idioma padrão do projeto que foi selecionado durante a criação do projeto.	`en-us`
`text`	`{DOC-TEXT}`	Documentar a tarefa na qual executar as tarefas.	`Lorem ipsum dolor sit amet`
`tasks`		Lista de tarefas que queremos realizar.	`[]`
`taskName`	`CustomTextSentiment`	O nome da tarefa	`CustomTextSentiment`
`parameters`		Lista de parâmetros a serem passados para a tarefa.
`project-name`	`{PROJECT-NAME}`	O nome do seu projeto. Esse valor diferencia maiúsculas de minúsculas.	`myProject`
`deployment-name`	`{DEPLOYMENT-NAME}`	O nome da sua implantação. Esse valor diferencia maiúsculas de minúsculas.	`prod`

Response

Você receberá uma resposta 202 indicando que sua tarefa foi enviada com sucesso. Nos cabeçalhos de resposta, extraia operation-location. operation-location está formatado assim:

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

Você pode usar essa URL para consultar o status de conclusão da tarefa e obter os resultados quando a tarefa for concluída.

Obter resultados de tarefas

Use a seguinte solicitação GET para consultar o status/resultados da tarefa de reconhecimento de entidade personalizada.

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

Marcador de Posição	valor	Exemplo
`{ENDPOINT}`	O ponto de extremidade para autenticar sua solicitação de API.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{API-VERSION}`	A versão da API que você está chamando. O valor referenciado aqui é para a última versão lançada.	`2023-04-15-preview`

Cabeçalhos

Key	valor
Ocp-Apim-Subscription-Key	A sua chave que fornece acesso a esta API.

Organismo de resposta

A resposta é um documento JSON com os seguintes parâmetros

{
  "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"
        }
      }
    ]
  }
}

Próximos passos

Visão geral da Análise de Sentimento

Partilhar via

Enviar uma solicitação de análise de sentimento personalizada para seu modelo personalizado

Testar um modelo de análise de sentimento personalizado implantado

Envie uma solicitação de análise de sentimento para o seu modelo

Enviar uma tarefa de análise de sentimento personalizada

Cabeçalhos

Corpo

Response

Obter resultados de tarefas

Cabeçalhos

Organismo de resposta

Próximos passos

Comentários

Recursos adicionais