实体识别认知技能 (v2)

项目
10/21/2024

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。

重要

实体识别技能 (v2) (Microsoft.Skills.Text.EntityRecognitionSkill) 现在已停用，替换为 Microsoft.Skills.Text.V3.EntityRecognitionSkill。按照已弃用的技能中的建议，迁移到支持的技能。

注意

通过增大处理频率、添加更多文档或添加更多 AI 算法来扩大范围时，需要附加可计费的 Azure AI 服务资源。调用 Azure AI 服务中的 API，以及在 Azure AI 搜索中的文档破解阶段提取图像时，会产生费用。提取文档中的文本不会产生费用。

执行内置技能将按现有的 Azure AI 服务标准预付费套餐价格收费。图像提取定价如 Azure AI 搜索定价页所述。

@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

注意

并非所有实体类别都支持所有语言。 "Person"、"Location" 和 "Organization" 实体类别支持上面的完整语言列表。只有 de、en、es、fr 和 zh-hans 支持 "Quantity"、"Datetime"、"URL" 和 "Email" 类型的提取。有关详细信息，请参阅文本分析 API 的语言和区域支持。

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。

通过