AI-901 · Rozwiązania dla tekstu i mowy
Aplikacja do analizy tekstu z Azure Language (Python)
Najważniejsze
- pip install azure-ai-textanalytics.
- Utwórz TextAnalyticsClient(endpoint=<endpoint Language>, credential=AzureKeyCredential(<klucz>)), przekaż listę tekstów i wywołaj metodę pasującą do zadania: analyze_sentiment (ton), extract_key_phrases (główne punkty), recognize_entities (osoby, miejsca, organizacje), detect_language (kod języka).
- Każde wywołanie zwraca jeden wynik na dokument.
Przykładowe pytania
Która klasa Pythona jest klientem do wysyłania dokumentów do Azure Language w celu analizy sentymentu?
- SpeechRecognizer
- TextAnalyticsClient
- AIProjectClient
- SpeechSynthesizer
Pokaż odpowiedź
Odpowiedź: B. TextAnalyticsClient
TextAnalyticsClient z azure.ai.textanalytics to klient Language. SpeechRecognizer należy do Speech SDK, a AIProjectClient służy do projektów Foundry.
Jakie zadania wykonasz, wysyłając tekst do funkcji Azure Language?
- Wykrycie, czy opinia jest pozytywna czy negatywna
- Wyciągnięcie głównych punktów artykułu
- Znalezienie nazw firm i miast w akapicie
- Przeczytanie artykułu na głos wybranym głosem
- Transkrypcja nagranej rozmowy telefonicznej
Pokaż odpowiedź
Odpowiedź: A. Wykrycie, czy opinia jest pozytywna czy negatywna, B. Wyciągnięcie głównych punktów artykułu, C. Znalezienie nazw firm i miast w akapicie
Sentyment, frazy kluczowe i rozpoznawanie jednostek to funkcje analizy tekstu. Zamiana tekstu na dźwięk to synteza w Speech, a transkrypcja nagrania to rozpoznawanie w Speech.
Aby uruchomić analizę sentymentu, trzeba najpierw wytrenować własny model na własnych oznaczonych danych.
Pokaż odpowiedź
Odpowiedź: Fałsz
Fałsz. Analiza sentymentu używa gotowego modelu bez treningu. Potrzebujesz tylko endpointu i klucza zasobu Language.
Przećwicz 8 pytań z tego tematu w Bitzu
Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.
