实体识别认知技能 (v2)

实体识别技能 (v2) 从文本中提取各种类型的实体。 此技能使用 Azure AI 服务中的文本分析提供的机器学习模型。

@odata.type

Microsoft.Skills.Text.EntityRecognitionSkill

数据限制

记录的最大大小应为 50,000 个字符，通过 String.Length 进行测量。 如果在将数据发送到关键短语提取器之前需要拆分数据，请使用文本拆分技能。 如果你使用文本拆分技能，请将页面长度设置为 5000 以获得最佳性能。

技能参数

参数区分大小写并且都是可选的。

参数名称	说明
categories	应提取的类别的数组。 可能的类别类型有："Person"、"Location"、"Organization"、"Quantity"、"Datetime"、"URL"、"Email"。 如果不提供类别，则返回所有类型。
defaultLanguageCode	输入文本的语言代码。 支持以下语言：ar, cs, da, de, en, es, fi, fr, hu, it, ja, ko, nl, no, pl, pt-BR, pt-PT, ru, sv, tr, zh-hans。 并非所有实体类别都支持所有语言；请参阅下文中的说明。
minimumPrecision	一个介于 0 和 1 之间的值。 如果置信度分数（在 namedEntities 输出中）低于此值，则不会返回该实体。 默认值为 0。
includeTypelessEntities	如果要识别不符合当前类别的已知实体，请设置为 true。 识别出的实体将在 entities 复杂输出字段中返回。 例如，“Windows 10”是一个众所周知的实体（产品），但由于“产品”不是受支持的类别，因此，此实体将包含在实体输出字段中。 默认为 false

技能输入

输入名称	说明
languageCode	可选。 默认值为 "en"。
text	要分析的文本。

技能输出

输出名称	说明
persons	一个字符串数组，其中，一个字符串表示一个人员名称。
locations	一个字符串数组，其中，一个字符串表示一个位置。
organizations	一个字符串数组，其中，一个字符串表示一个组织。
quantities	一个字符串数组，其中，每个字符串都表示一个数量。
dateTimes	一个字符串数组，其中，每个字符串都表示一个日期时间（因为它以文本形式显示）值。
urls	一个字符串数组，其中，每个字符串都表示一个 URL
emails	一个字符串数组，其中，每个字符串都表示一个电子邮件地址
namedEntities	复杂类型的数组，包含以下字段： category 值（实际实体名称） 偏移（在文本中找到它的位置） 置信度（值越高意味着它越有可能是一个真实的实体）
entities	一个复杂类型数组，包含有关从文本提取的实体的丰富信息，具有以下字段 name（实际的实体名称。这表示一个“规范化”形式） wikipediaId wikipediaLanguage wikipediaUrl（实体的 Wikipedia 页面的链接） bingId type（识别的实体的类别） subType（仅适用于某些类别，这提供实体类型的更精细视图） matches（包含的复杂集合） text（实体的原始文本） offset（找到它的位置） length（原始实体文本的长度）

示例定义

  {
    "@odata.type": "#Microsoft.Skills.Text.EntityRecognitionSkill",
    "categories": [ "Person", "Email"],
    "defaultLanguageCode": "en",
    "includeTypelessEntities": true,
    "minimumPrecision": 0.5,
    "inputs": [
      {
        "name": "text",
        "source": "/document/content"
      }
    ],
    "outputs": [
      {
        "name": "persons",
        "targetName": "people"
      },
      {
        "name": "emails",
        "targetName": "contact"
      },
      {
        "name": "entities"
      }
    ]
  }

示例输入

{
    "values": [
      {
        "recordId": "1",
        "data":
           {
             "text": "Contoso corporation was founded by John Smith. They can be reached at contact@contoso.com",
             "languageCode": "en"
           }
      }
    ]
}

示例输出

{
  "values": [
    {
      "recordId": "1",
      "data" : 
      {
        "persons": [ "John Smith"],
        "emails":["contact@contoso.com"],
        "namedEntities": 
        [
          {
            "category":"Person",
            "value": "John Smith",
            "offset": 35,
            "confidence": 0.98
          }
        ],
        "entities":  
        [
          {
            "name":"John Smith",
            "wikipediaId": null,
            "wikipediaLanguage": null,
            "wikipediaUrl": null,
            "bingId": null,
            "type": "Person",
            "subType": null,
            "matches": [{
                "text": "John Smith",
                "offset": 35,
                "length": 10
            }]
          },
          {
            "name": "contact@contoso.com",
            "wikipediaId": null,
            "wikipediaLanguage": null,
            "wikipediaUrl": null,
            "bingId": null,
            "type": "Email",
            "subType": null,
            "matches": [
            {
                "text": "contact@contoso.com",
                "offset": 70,
                "length": 19
            }]
          },
          {
            "name": "Contoso",
            "wikipediaId": "Contoso",
            "wikipediaLanguage": "en",

            "bingId": "349f014e-7a37-e619-0374-787ebb288113",
            "type": null,
            "subType": null,
            "matches": [
            {
                "text": "Contoso",
                "offset": 0,
                "length": 7
            }]
          }
        ]
      }
    }
  ]
}

请注意，在此技能的输出中，针对实体返回的偏移量是直接从文本分析 API 返回的，这意味着如果使用这些偏移量为原始字符串编制索引，则应使用 .NET 中的 StringInfo 类来提取正确的内容。 此处提供了更多详细信息。

警告情况

如果文档的语言代码不受支持，则会返回警告，并且不提取任何实体。

另请参阅

• 内置技能
• 如何定义技能集
• 实体识别技能 (V3)