Comprender el análisis de texto en Foundry

Microsoft Foundry es la plataforma para crear aplicaciones y agentes de inteligencia artificial en Azure. El portal de Foundry ofrece dos enfoques para el análisis de texto: modelos de IA de uso general que controlan una amplia gama de tareas a través de avisos de lenguaje natural y herramientas de lenguaje creadas específicamente que devuelven resultados estructurados y deterministas para tareas específicas.

Para empezar a trabajar con el análisis de texto en el nuevo portal de Foundry, debe crear un recurso foundry y un proyecto foundry.

Un recurso Foundry es un recurso Azure que proporciona acceso a los servicios de inteligencia artificial y a los modelos implementados. Un Proyecto Foundry es un área de trabajo dentro de este recurso donde organizas tu trabajo, implementas modelos y accedes a herramientas como la zona de prácticas de chat y servicios de inteligencia artificial.

Uso de modelos de IA de uso general para el análisis de texto

Desde el proyecto en el portal de Foundry, puede implementar un modelo de IA de uso general. Un modelo de IA de uso general es un modelo de lenguaje entrenado en grandes cantidades de datos de texto, lo que le da una amplia comprensión del lenguaje y la capacidad de controlar muchas tareas diferentes. Un modelo de uso general puede seguir instrucciones de lenguaje natural para analizar opiniones, extraer entidades, resumir texto, traducir contenido, responder preguntas y mucho más, todo sin ninguna configuración o entrenamiento por su parte.

Puede usar un modelo de IA de uso general para controlar tareas de análisis de texto como:

• La extracción de frases clave enumera los conceptos principales del texto no estructurado.
• Vinculación de entidades identifica entidades conocidas y las enlaza a Wikipedia.
• El análisis de sentimiento y la minería de opiniones identifican si el texto es positivo o negativo.
• El resumen resume el texto mediante la identificación de la información más importante.

Puede explorar las funcionalidades de análisis de texto de los modelos de inteligencia artificial en el área de juegos de chat del portal de Foundry. Después de implementar un modelo, el área de juegos proporciona una interfaz de chat donde escribe un mensaje y el modelo responde. Dado que el modelo entiende el contexto, también puede realizar un seguimiento de preguntas adicionales o refinar el análisis en la misma conversación. Esto hace que el entorno de prueba sea una manera útil de explorar lo que es posible antes de desarrollar una aplicación completa.

Echemos un vistazo más detenidamente a algunas de las respuestas que un modelo de IA de uso general puede proporcionar cuando se proporciona una tarea de análisis de texto.

Extracción de frases clave

Puede usar un modelo de lenguaje para extraer las palabras clave y frases usadas en algún texto, lo que puede resultar útil en procesos como la indexación y la búsqueda de documentos pertinentes. La extracción de frases clave identifica los puntos principales del texto.

Por ejemplo, puede recibir una revisión como:

"Tuve una comida fantástica en el restaurante de Seattle el sábado. El hongo risotto estaba perfectamente preparado, y realmente sabroso. Nuestro camarero, Pete, era amable y eficiente; y nos dio una gran recomendación para un postre (queso de fresa). Definitivamente recomiendo este lugar para una cena informal".

La extracción de frases clave puede proporcionar algún contexto a esta revisión mediante la extracción de las siguientes frases:

• cena informal
• postre
• comida fantástica
• cafetería
• gran recomendación
• risotto de champiñones
• Pete
• lugar
• Sábado
• Seattle
• tarta de queso con fresas
• camarero

Reconocimiento de entidades

También puede usar el reconocimiento de entidades con nombre para buscar personas, lugares, fechas y otras entidades específicas mencionadas en el texto.

Puede proporcionar un modelo de lenguaje con texto no estructurado y recuperar una lista de entidades en el texto que reconoce. Una entidad es un elemento de un tipo determinado o una categoría; y en algunos casos, subtipo.

Tenga en cuenta este texto corto:

"On 2 de mayo de 2017, John Smith visitó Nueva York para asistir a una conferencia hospedada por Microsoft. El evento comenzó a las 8:00 a.m. y duró 3 horas. Más de 25% de los 40 asistentes viajaron más de 10 millas para participar."

Las entidades detectadas incluyen:

Análisis de opiniones y minería de opiniones

También puede usar el análisis de sentimiento para clasificar un documento como positivo, negativo o neutro. Esto es útil para detectar opiniones en redes sociales, opiniones de clientes, foros de discusión, etc.

Tenga en cuenta la siguiente revisión del restaurante:

"Tuve una cena maravillosa en un acogedor bistró en Portland el viernes por la noche. El salmón a la parrilla se cocinó perfectamente y lleno de sabor, y las verduras de temporada fueron un gran complemento. Nuestro servidor, María, estaba atento y amable, y ella sugirió el tart de limón para el postre, que fue excelente. Recomiendo absolutamente este lugar para disfrutar de una noche tranquila y agradable."

El análisis de la reseña del restaurante podría resultar en:

• Análisis de sentimiento oración por oración

  "Tuve una cena maravillosa en un acogedor bistró en Portland el viernes por la noche." Opinión: Explicación positiva: Las palabras "cena maravillosa" y "bistró acogedor" transmiten una experiencia altamente positiva.

  "El salmón a la parrilla se cocinó perfectamente y lleno de sabor, y las verduras de temporada fueron un gran complemento." Opinión: Explicación positiva: "Cocinada perfectamente", "llena de sabor", y "gran complemento" todo indican una fuerte satisfacción con la comida.

  "Nuestro servidor, María, estaba atento y amable, y ella sugirió el tart de limón para el postre, que era excelente." Opinión: Explicación positiva: las descripciones positivas de las cualidades del servidor y el postre ("atento", "personalable", "excelente") reflejan un cliente muy feliz.

  "Recomiendo absolutamente este lugar para disfrutar de una noche relajante y agradable." Opinión: Explicación positiva: una recomendación clara con las palabras "absolutamente", "relajado" y "agradable" muestran una opinión positiva fuerte.

• Opinión general del documento: fuertemente positiva. La revisión está llena de lenguaje gratuito sobre la comida, el ambiente, el servicio y la experiencia general. No hay declaraciones neutras ni negativas.

Cuándo usar un modelo de IA de uso general para el análisis de texto

Además de la extracción de frases clave, el reconocimiento de entidades y el análisis de opiniones, los modelos de IA de uso general también pueden resumir documentos largos en párrafos concisos, traducir texto entre idiomas, clasificar contenido en categorías que defina, responder preguntas sobre un pasaje, etc. Dado que todas estas funcionalidades están controladas por mensajes de lenguaje natural, puede combinarlas libremente, por ejemplo, pedir al modelo que traduzca una revisión larga y, a continuación, resumirla en una sola conversación.

Uso del lenguaje Azure en las herramientas de Foundry

Aunque un modelo de lenguaje grande entrenado para cargas de trabajo generales de IA generativa a menudo puede realizar un gran trabajo de análisis de texto, a veces una herramienta más especializada obtiene resultados más predecibles.

Azure Language in Foundry tools es un servicio de procesamiento de lenguaje natural con analizadores creados específicamente para tareas específicas de análisis de texto. Estos analizadores usan técnicas estadísticas para devolver resultados estructurados y deterministas, lo que las convierte en adecuadas para canalizaciones automatizadas en las que son importantes los resultados coherentes.

En el nuevo portal Foundry, puede explorar algunas de las capacidades de Azure Language en el entorno de chat. Para probar las funcionalidades de los servicios de INTELIGENCIA ARTIFICIAL, vaya a la página Compilar y, a continuación, a Modelos y, a continuación, a la pestaña Servicios de IA . En la pestaña , puede encontrar una selección de servicios de INTELIGENCIA ARTIFICIAL disponibles para las pruebas.

Tenga en cuenta las siguientes funcionalidades de lenguaje Azure:

• La detección de idioma evalúa el texto y detecta el idioma y el dialecto.
• La detección de información de identificación personal (PII) identifica información personalmente confidencial, incluida la información de salud personal (PHI).

Detección de idioma

En un flujo de trabajo de varios idiomas, el primer paso suele ser identificar el idioma en el que se escribe un documento, por lo que el texto se puede enrutar al modelo o proceso más adecuado. La detección de idioma evalúa el texto e identifica el idioma principal junto con una puntuación de confianza. Azure Language admite una amplia gama de idiomas y dialectos regionales.

Por ejemplo, dado el texto siguiente:

"¡Hola! Me llamo Josefina y vivo en Madrid, España".

La detección de idioma devuelve el resultado siguiente:

En el portal de Foundry, puede probar la característica de detección de idioma de Azure Language en la zona de pruebas de chat.

Detección de información de identificación personal

A menudo, las organizaciones necesitan identificar y censurar los detalles personales confidenciales del texto antes de almacenarlos o compartirlos para cumplir con las normativas de privacidad. La detección de información de identificación personal (PII) identifica los detalles personales en texto (como nombres, números de teléfono, direcciones de correo electrónico y direcciones postales) y, opcionalmente, puede censurarlos.

Por ejemplo, dado el texto siguiente:

"Maria Garcia llamó desde 020 7946 0958 y pidió enviar documentos a 42 Market Road, Londres, Reino Unido, SW1A 1AA".

La detección de PII identifica las siguientes entidades:

En el portal de Foundry, puede probar la característica de detección de PII de Azure Language en el Language Playground.

A continuación, aprenda a crear una aplicación cliente con funcionalidades de análisis de texto mediante la API de respuestas de OpenAI y el SDK de lenguaje Azure.