Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Wichtig
Nicht englische Übersetzungen werden nur zur Bequemlichkeit bereitgestellt. Bitte konsultieren Sie die EN-US Version dieses Dokuments für die endgültige Version.
Dieser Artikel enthält einige allgemeine Details zur Verarbeitung von Daten durch benutzerdefinierte Erkennung benannter Entitäten (NER). Sie sind dafür verantwortlich, wie Sie diese Technologie verwenden und implementieren, einschließlich der Einhaltung aller Gesetze und Vorschriften, die für Sie gelten. Beispielsweise ist es Ihre Verantwortung:
Verstehen Sie, wo Ihre Daten vom benutzerdefinierten NER-Dienst verarbeitet und gespeichert werden, um behördliche Verpflichtungen für Ihre Anwendung zu erfüllen.
Stellen Sie sicher, dass Sie über alle erforderlichen Lizenzen, proprietären Rechte oder andere Berechtigungen verfügen, die für den Inhalt in Ihrem Dataset erforderlich sind, der als Grundlage für die Erstellung Ihrer benutzerdefinierten NER-Modelle und für Ihre Inhalte verwendet wird, die bei der Bereitstellung oder Verwendung von benutzerdefiniertem NER in der Produktion ausgewertet werden.
Welche Daten verarbeitet der benutzerdefinierte NER?
Benutzerdefinierter NER verarbeitet die folgenden Daten:
Benutzerdatensatz und Tagdatei: Als Voraussetzung zum Erstellen eines benutzerdefinierten NER-Projekts müssen Benutzer ihre Datensätze in ihre Azure Blob Storage-Container hochladen. Eine Tagsdatei ist eine JSON-formatierte Datei , die einen Verweis auf die markierten Entitäten des Benutzers enthält. Das Dataset eines Benutzers enthält Train- und Testsätze, die Entwickler in der Tags-Datei vordefinieren können oder die während der Schulung zufällig ausgewählt werden können. Der Train set und die Tags-Datei werden während der Schulung verarbeitet, um das benutzerdefinierte NER-Modell zu erstellen. Der Testsatz wird später vom trainierten Modell verarbeitet, um seine Leistung zu bewerten.
Benutzerdefinierte NER-Modelle: Basierend auf der Anforderung des Benutzers, das Modell zu trainieren, verarbeitet benutzerdefinierte NER die bereitgestellten markierten Daten, um ein trainiertes Modell auszugeben. Der Benutzer kann ein neues Modell trainieren oder ein vorhandenes Modell überschreiben. Das trainierte Modell wird dann auf der Seite des Diensts gespeichert und zur Verarbeitung der Modellauswertung verwendet. Nachdem der Entwickler mit der Leistung des Modells zufrieden ist, beantragt er die Bereitstellung des Modells zur Nutzung. Das bereitgestellte Modell wird auch auf der Seite des Diensts gespeichert, das verwendet wird, um die Anforderungen des Benutzers zur Vorhersage über die Analyse-API zu verarbeiten.
Zur Extraktion gesendete Daten: Dies ist der Von einer Clientanwendung über die Analyse-API gesendete Text des Benutzers, der für die Entitätsextraktion durch das benutzerdefinierte NER-Modell verarbeitet werden soll. Die Ausgabe der verarbeiteten Daten enthält die extrahierten Entitäten und deren Konfidenzbewertungen. Dies wird an die Anwendung des Clients zurückgegeben, um eine Aktion auszuführen, um die Anforderung des Benutzers zu erfüllen.
Die für Schulungen, Tests oder Extraktionen hochgeladenen Benutzerdaten sind Kundendaten. Benutzerdefinierte NER verwendet keine Kundendaten, um seine allgemeinen maschinenlernten Modelle für Produktverbesserungszwecke zu verbessern. Wir verwenden aggregierte Telemetrie, z. B. welche APIs verwendet werden, und die Anzahl der Anrufe aus jedem Abonnement und jeder Ressource für Dienstüberwachungszwecke.
Wie verarbeitet ein benutzerdefiniertes NER-System die Daten?
Das folgende Diagramm veranschaulicht, wie Ihre Daten verarbeitet werden.
Wie werden Daten aufbewahrt, und welche Kundeneinstellungen sind verfügbar?
Benutzerdefinierter NER ist ein Datenverarbeiter für DSGVO-Zwecke. In Übereinstimmung mit der DSGVO haben benutzerdefinierte NER-Benutzer die volle Kontrolle, Kundendaten anzuzeigen, zu exportieren oder zu löschen. Benutzer können diese Aktionen entweder über Language Studio oder programmgesteuert mithilfe von Sprach-APIs ausführen.
Ihre Daten werden nur in Ihrem Azure Speicherkonto gespeichert. Custom NER hat während der Schulung und Auswertung nur Lesezugriff. Anpassbare NER protokolliert oder speichert keine vom Kunden gesendeten Daten für Extraktionsaufgaben über die Prognose-API.
Zu den Kundensteuerelementen gehören:
Markierte Daten, die vom Benutzer als Voraussetzung zum Trainieren des Modells bereitgestellt werden, werden während der Erstellung im Azure Speicherkonto des Kunden gespeichert, das mit dem Projekt verbunden ist. Kunden können Tags jederzeit im Language Studio bearbeiten oder entfernen.
Benutzerdefinierte NER-Projektmetadaten werden auf der Seite des Diensts gespeichert, bis der Kunde das Projekt löscht. Wenn Sie Ihr Projekt erstellen, füllen Sie die Metadatenfelder ein, z. B. den Projektnamen, die Beschreibung, die Sprache, den Namen des verbundenen BLOB-Containers und den Speicherort der Tagsdatei.
Trainierte benutzerdefinierte NER-Modelle werden in den Azure Speicherkonten des Diensts gespeichert, bis der Kunde sie löscht. Modelle werden jedes Mal überschrieben, wenn der Benutzer die Modelle neu trainiert.
Bereitgestellte benutzerdefinierte NER-Modelle bleiben in den Azure Speicherkonten des Diensts erhalten, bis der Kunde die Bereitstellung löscht oder das Modell selbst löscht. Das Modell wird jedes Mal außer Kraft gesetzt, wenn der Benutzer denselben Bereitstellungsnamen bereitstellt.
Sicherheit für Kundendaten
Azure Dienste werden implementiert, während geeignete technische und organisatorische Maßnahmen zum Schutz von Kundendaten in der Cloud beibehalten werden.
Weitere Informationen zu den Sicherheitsverpflichtungen von Microsoft finden Sie im Microsoft Trust Center.