Freigeben über

Transparenzhinweis für die Schlüsselphrasenextraktion

Von Bedeutung

Nicht englische Übersetzungen werden nur zur Bequemlichkeit bereitgestellt. Bitte konsultieren Sie die EN-US Version dieses Dokuments für die endgültige Version.

Was ist eine Transparenznotiz?

Von Bedeutung

In diesem Artikel wird davon ausgegangen, dass Sie mit Richtlinien und bewährten Methoden für Azure Language in Foundry Tools vertraut sind. Weitere Informationen finden Sie in der Transparenzhinweis für Sprache.

Ein KI-System umfasst nicht nur die Technologie, sondern auch die Personen, die das System verwenden, die davon betroffenen Personen und die Umgebung, in der es bereitgestellt wird. Die Schaffung eines Systems, das für seinen vorgesehenen Zweck geeignet ist, erfordert ein Verständnis dafür, wie die Technologie funktioniert, ihre Möglichkeiten und Einschränkungen und wie die beste Leistung erreicht wird. Die Transparenzhinweise von Microsoft sollen Ihnen helfen zu verstehen, wie unsere KI-Technologie funktioniert, welche Entscheidungen Systembesitzer treffen können, die die Systemleistung und das Systemverhalten beeinflussen, und wie wichtig es ist, das gesamte System zu betrachten, einschließlich der Technologie, der Menschen und der Umgebung. Sie können Transparenzhinweise verwenden, wenn Sie Ihr eigenes System entwickeln oder bereitstellen, oder sie mit den Personen teilen, die Ihr System verwenden oder davon betroffen sind.

Die Transparenzhinweise von Microsoft sind Teil eines umfassenderen Aufwands bei Microsoft, unsere KI-Prinzipien in die Praxis umzusetzen. Weitere Informationen finden Sie unter "Verantwortungsvolle KI-Prinzipien von Microsoft".

Einführung in die Schlüsselausdrucksextraktion

Mit der Funktion Extraktion von Schlüsselbegriffen können Sie schnell die wichtigsten Konzepte im Text identifizieren. Zum Beispiel im Text "Das Essen war lecker und es gab wunderbare Mitarbeiter", Key Phrase Extraction gibt die wichtigsten Gesprächspunkte zurück: "Essen" und "wunderbares Personal". Nicht wesentliche Wörter werden verworfen, einzelne Begriffe oder Wendungen, die als Subjekt oder Objekt eines Satzes erscheinen, werden zurückgegeben.

Beachten Sie, dass für dieses Feature keine Konfidenzbewertung zurückgegeben wird, im Gegensatz zu einigen anderen Sprachfeatures.

Beispielhafte Anwendungsfälle

Die Schlüsselausdrucksextraktion wird in mehreren Szenarien in einer Vielzahl von Branchen verwendet. Einige Beispiele sind:

  • Verbessern der Suche. Wichtige Ausdrücke können verwendet werden, um einen Suchindex zu erstellen, der Suchergebnisse verbessern kann. Kunden können z. B. Tausende von Dokumenten bereitstellen und dann mithilfe der integrierten Azure Search-Fähigkeit die Schlüsselausdruckextraktion darauf ausführen. Das Ergebnis dieser Vorgehensweise sind Schlüsselausdrücke aus dem Eingabedatensatz, die dann zum Erstellen eines Indexes verwendet werden können. Dieser Index kann aktualisiert werden, indem die Fähigkeit erneut ausgeführt wird, wenn eine neue Dokumentenmappe verfügbar ist.
  • Aggregierte Trends in Textdaten anzeigen. So kann z. B. eine Wortcloud mit schlüsselbasierten Ausdrücken generiert werden, um wichtige Konzepte in Textkommentaren oder Feedback zu visualisieren. Beispielsweise könnte ein Hotel basierend auf den in ihren Kommentaren identifizierten Schlüsselausdrücken eine Wortwolke generieren und sehen, dass die Leute am häufigsten über den Ort, die Sauberkeit und die hilfreichen Mitarbeiter kommentieren.

Hinweise zur Auswahl eines Anwendungsfalls

Nicht verwenden

  • Verwenden Sie nicht für automatische Aktionen ohne menschliche Intervention für Szenarien mit hohem Risiko. Eine Person sollte immer Quelldaten überprüfen, wenn die wirtschaftliche Situation, gesundheit oder Sicherheit einer anderen Person betroffen ist.

Rechtliche und behördliche Überlegungen: Organisationen müssen potenzielle spezifische rechtliche und behördliche Verpflichtungen bewerten, wenn Sie Foundry Tools und Lösungen verwenden, die möglicherweise nicht für die Verwendung in jeder Branche oder in jedem Szenario geeignet sind. Darüber hinaus sind Foundry Tools oder Lösungen nicht für sie ausgelegt und dürfen nicht auf eine Weise verwendet werden, die in anwendbaren Nutzungsbedingungen und relevanten Verhaltensregeln verboten ist.

Merkmale und Einschränkungen

Je nach Szenario und Eingabedaten können unterschiedliche Leistungsstufen auftreten. Die folgenden Informationen sollen Ihnen helfen, wichtige Konzepte zur Leistung zu verstehen, da sie für die Verwendung der Language-Funktion für die Schlüsselbegriffserkennung gelten.

Systembeschränkungen und bewährte Methoden zur Leistungssteigerung

Im Gegensatz zu den Modellen anderer Language-Features ist das Modell für die Schlüsselbegriffserkennung ein unbeaufsichtigtes Modell, das nicht anhand der von Menschen bezeichneten Grundwahrheitsdaten trainiert wird. Alle Nominalphrasen im Text, der an den Dienst gesendet wird, werden erkannt und dann basierend auf Häufigkeit und gemeinsamem Auftreten bewertet. Daher stimmt das, was vom Modell zurückgegeben wird, möglicherweise nicht mit dem überein, was ein Mensch als die wichtigsten Ausdrücke auswählen würde. In einigen Fällen kann das Modell teilweise korrekt erscheinen, da ein Substantiv ohne das Adjektiv zurückgegeben wird, das es ändert.

  • Längerer Text wird bessere Ergebnisse erzielen. Trennen Sie den Quelltext nicht in Teile wie Sätze oder Absätze. Senden Sie den gesamten Text, z. B. eine vollständige Kundenrezensions- oder Papierabstraktion.
  • Wenn Ihr Text einige Textbausteine oder anderen Text enthält, der keine aktuelle Relevanz für den tatsächlichen Inhalt hat, den Sie analysieren möchten, wirken sich die Wörter in diesem Text auf Ihre Ergebnisse aus. Beispielsweise können E-Mails "Betreff:", "Text:", "Absender:" usw. enthalten sein. Es wird empfohlen, bekannten Text zu entfernen, der nicht Teil des tatsächlichen Inhalts ist, den Sie analysieren möchten, bevor Sie ihn an den Dienst senden.

Siehe auch

  • Last updated on