实体识别认知技能 (v3)

项目
10/21/2024

实体识别技能 (v3) 从文本中提取各种类型的实体。这些实体分为 14 个不同类别，范围从人员和组织到 URL 和电话号码。此技能使用 Azure AI 语言提供的命名实体识别机器学习模型。

注意

此技能绑定到 Azure AI 服务，并且对于每天每个索引器超过 20 个文档的事务，需要使用可计费资源。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。

@odata.type

Microsoft.Skills.Text.V3.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 EntityRecognition 技能之前需要进行分解，请考虑使用文本拆分技能。使用拆分技能时，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：`"Person"`、`"Location"`、`"Organization"`、`"Quantity"`、`"DateTime"`、`"URL"`、`"Email"`、`"personType"`、`"Event"`、`"Product"`、`"Skill"`、`"Address"`、`"phoneNumber"`、`"ipAddress"`。如果不提供类别，则返回所有类型。
`defaultLanguageCode`	输入文本的语言代码。如果未指定默认语言代码，会将英语 (en) 用作默认语言代码。请参阅支持的语言的完整列表。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。
`modelVersion`	（可选）指定在调用实体识别 API 时要使用的模型版本。如果未指定，将默认为最新可用版本。建议不要指定此值，除非必要。

技能输入

输入名称	说明
`languageCode`	表示记录的语言的字符串。如果未指定此参数，将使用默认语言代码分析记录。请参阅支持的语言的完整列表。
`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。请参阅支持的命名实体识别 (NER) 实体类别，了解将要使用的语言支持哪些实体类别。

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
`personTypes`	一个字符串数组，其中，每个字符串都表示一个人员类型
`events`	一个字符串数组，其中，每个字符串都表示一个事件
`products`	一个字符串数组，其中，每个字符串都表示一个产品
`skills`	一个字符串数组，其中，每个字符串都表示一个技能
`addresses`	一个字符串数组，其中，每个字符串都表示一个地址
`phoneNumbers`	一个字符串数组，其中，每个字符串都表示一个电话号码
`ipAddresses`	一个字符串数组，其中，每个字符串都表示一个 IP 地址
`namedEntities`	复杂类型的数组，包含以下字段： category 子类别置信度（值越高意味着它越有可能是一个真实的实体）长度（此实体的长度（字符数））偏移（在文本中找到它的位置）文本（文本中显示的实际实体名称）

示例定义

  {
    "@odata.type": "#Microsoft.Skills.Text.V3.EntityRecognitionSkill",
    "context": "/document",
    "categories": [ "Person", "Email"],
    "defaultLanguageCode": "en", 
    "minimumPrecision": 0.5, 
    "inputs": [
        {
            "name": "text", 
            "source": "/document/content"
        },
        {
            "name": "languageCode", 
            "source": "/document/language"
        }
    ],
    "outputs": [
        {
            "name": "persons", 
            "targetName": "people"
        },
        {
            "name": "emails", 
            "targetName": "emails"
        },
        {
            "name": "namedEntities", 
            "targetName": "namedEntities"
        }
    ]
  }

示例输入

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

示例输出

{
  "values": [
    {
      "recordId": "1",
      "data" : 
      {
        "people": [ "Jean Martin"],
        "emails":["contact@contoso.com"],
        "namedEntities": 
        [
          {
            "category": "Person",
            "subcategory": null,
            "length": 11,
            "offset": 35,
            "confidenceScore": 0.98,
            "text": "Jean Martin"
          },
          {
            "category": "Email",
            "subcategory": null,
            "length": 19,
            "offset": 71,
            "confidenceScore": 0.8,
            "text": "contact@contoso.com"
          }
        ],
      }
    }
  ]
}

在此技能的输出中，针对实体返回的偏移量是直接从语言服务 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。有关详细信息，请参阅语言服务功能中的多语言和表情符号支持。

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