はじめに
この投稿は AI-102: Microsoft Azure AI エンジニア の学習をした内容のメモです。
投稿の一覧は以下のリンク先にあります。
前の投稿
自然言語処理のソリューションを実装する
Azure AI Language
以下のような Azure AI Language サービスを実際に Azure Language Studio から利用してみます。
※ 新しい Azure AI Foundry からも同様に利用できます。
| 名前 | 説明 |
|---|---|
| キーフレーズ抽出 | テキストのキーフレーズを抽出 |
| 名前付きエンティティ抽出 (NER) | テキストの有名人、有名な場所などのエンティティを検出 |
| 感情分析とオピニオンマイニング | テキストの感情を検出 |
Azure AI Language サービス リソースの作成
Azure AI Language を利用するためには、Azure AI Language リソースを作成する必要があります。
Azure Language Studio へアクセスすると、以下のダイアログが表示され、使用するAzure AI Language リソースを選択します。まだリソースの作成を行っていない場合は、下のリンクから Azure Portal を開き、リソースの作成を行います。
Azure Language Service には 5,000 回 / 30 日 まで制限の無料プランがあります。
リソースの作成が終わったら、作成したリソースを Azure Language Studio から指定します。
キー フレーズを抽出
キーフレーズ抽出を利用すると、テキストを分析して重要な用語を抽出することができます。
[Extract Infomrmation] - [Extract key phrases] を開きます。
プルダウンから言語を選択しテキストを入力すると、分析結果が表示されます。
試しに 東京都の説明が書かれた Wikipedia の内容を入力してみます。
「都市」、「江戸」などがキーフレーズとして抽出されました。
名前付きエンティティの抽出
エンティティ抽出を利用すると、テキストの人や地名を抽出することができます。
以下は同様に東京都の Wikipedia の内容で試してみた結果です。
「江戸」などが場所として検出されています。「鎌倉幕府」は組織として検出されていました。
よく見ると「江戸」が何度もエンティティとして出力されていますが、理由は分かりませんでした。
テキストの感情を判断する
感情分析を利用して、テキストに含まれる感情を分析できます。
[Classify text] - [Analyze sentiment and mine opinions] をクリックします。
サンプルで用意されているテキストを利用して、試すことができます。
分析結果を確認すると、Positive / Negative の割合や、文ごとの分析結果も確認することができます。
次の投稿