Comment créer un projet de classification de texte personnalisée

Utilisez cet article afin de découvrir comment configurer les conditions requises pour commencer par la classification de texte personnalisée et créer un projet.

Prérequis

Avant de commencer à utiliser la classification de texte personnalisée, vous avez besoin des éléments suivants :

• Un abonnement Azure : créez-en un gratuitement.

Créer une ressource de langue

Avant de commencer à utiliser la classification de texte personnalisée, vous avez besoin d’une ressource Azure Language in Foundry Tools. Nous vous recommandons de créer votre ressource de langue et de connecter un compte de stockage à celui-ci dans le portail Azure. La création d’une ressource dans le portail Azure vous permet de créer un compte de stockage Azure en même temps, avec toutes les autorisations requises préconfigurées. Vous pouvez également lire plus en détail dans l’article pour découvrir comment utiliser une ressource préexistante et la configurer pour fonctionner avec la classification de texte personnalisée.

Vous avez également besoin d’un compte de stockage Azure où charger vos .txt documents utilisés pour entraîner un modèle pour classifier du texte.

Créer une ressource de langue et connecter un compte de stockage

New-AzResourceGroupDeployment -Name ExampleDeployment -ResourceGroupName ExampleResourceGroup `
  -TemplateFile <path-to-arm-template> `
  -TemplateParameterFile <path-to-parameters-file>

Utilisation d’une ressource language préexistante

Pour utiliser la classification de texte personnalisée, vous devez créer un compte Stockage Azure si vous n’en avez pas déjà un.

Activer la gestion des identités pour votre ressource

Votre ressource de langue doit disposer de la gestion des identités. Pour l’activer à l’aide du portail Azure :

1. Accéder à votre ressource de langue
2. Dans le menu de gauche, sous la section Gestion des ressources, sélectionnez Identité
3. Sous l’onglet Attribuée par le système, veillez à définir État sur Activé

Activer la fonctionnalité de classification de texte personnalisée

Veillez à activer la fonctionnalité Classification de texte personnalisée / Reconnaissance d’entité nommée personnalisée à partir du portail Azure.

1. Accéder à votre ressource de langue dans le portail Azure
2. Dans le menu de gauche, dans la sectionGestion des ressources, sélectionnez Fonctionnalités
3. Activer la fonctionnalité Classification personnalisée des textes / la reconnaissance personnalisée des entités nommées
4. Se connecter à votre compte de stockage
5. Sélectionnez Appliquer

Définir des rôles pour votre ressource et votre compte de stockage Azure Language

Procédez comme suit afin de définir les rôles requis pour votre ressource de langue et votre compte de stockage.

Rôles pour votre ressource Azure Language in Foundry Tools

1. Accédez à votre compte de stockage ou ressource de langue dans le portail Azure.

2. Sélectionnez Contrôle d’accès (IAM) dans le volet gauche.

3. Sélectionnez Ajouter pour Ajouter des attributions de rôles, puis choisissez le rôle approprié pour votre compte.

   Le rôle de propriétaire ou de contributeur doit vous être attribué sur votre ressource de langue.

4. Dans le champ Attribuer l’accès à, sélectionnez Utilisateur, groupe ou principal du service

5. Choisir Sélectionner des membres

6. Sélectionnez votre nom d’utilisateur. Vous pouvez rechercher des noms d’utilisateur dans le champ Sélectionner. Répétez cette opération pour tous les rôles.

7. Répétez ces étapes pour tous les comptes d’utilisateur qui ont besoin d’accéder à cette ressource.

Rôles pour votre compte de stockage

1. Accédez à la page de votre compte de stockage dans le portail Azure.
2. Sélectionnez Contrôle d’accès (IAM) dans le volet gauche.
3. Sélectionnez Ajouter pour ajouter des attributions de rôle, puis choisissez le rôle de contributeur aux données Blob du stockage sur le compte de stockage.
4. Dans le champ Attribuer l’accès à, sélectionnez Identité managée.
5. Choisir Sélectionner des membres
6. Sélectionnez votre abonnement et Langue comme identité managée. Vous pouvez rechercher des noms d’utilisateur dans le champ Sélectionner.

Activer CORS pour votre compte de stockage

Veillez à autoriser les méthodes (GET, PUT, DELETE) au moment d’autoriser le partage de ressources cross-origin (CORS). Définissez le champ des origines autorisées sur https://language.cognitive.azure.com. Autorisez tous les en-têtes en ajoutant * aux valeurs d’en-tête autorisées et définissez l’âge maximal sur 500.

Créer un projet de classification de texte personnalisé (API REST)

Une fois votre ressource et votre conteneur de stockage configurés, créez un projet de classification de texte personnalisé. Un projet est une zone de travail qui vous permet de créer des modèles IA personnalisés en fonction de vos données. Votre projet est accessible uniquement par vous et d’autres personnes qui ont accès à la ressource Azure utilisée. Si vous avez étiqueté des données, vous pouvez l’importer pour commencer.

Pour commencer à créer un modèle de classification de texte personnalisée, vous devez créer un projet. La création d’un projet vous permet d’étiqueter des données, d’entraîner, d’évaluer, d’améliorer et de déployer vos modèles.

Créez une requête PATCH en utilisant l’URL, les en-têtes et le corps JSON suivants pour créer votre projet.

URL de la demande

Utilisez l’URL suivante pour créer un projet. Remplacez les valeurs d’espace réservé par vos propres valeurs.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

headers

Utilisez l’en-tête suivant pour authentifier votre demande.

body

Utilisez le code JSON suivant dans votre demande. Remplacez les valeurs d’espace réservé par vos propres valeurs.

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "customMultiLabelClassification",
  "description": "Project description",
  "multilingual": "True",
  "storageInputContainerName": "{CONTAINER-NAME}"
}

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "customSingleLabelClassification",
  "description": "Project description",
  "multilingual": "True",
  "storageInputContainerName": "{CONTAINER-NAME}"
}

Cette requête retourne une réponse 201, ce qui signifie que le projet est créé.

Cette requête retourne une erreur si :

• La ressource sélectionnée n’a pas les autorisations appropriées pour le compte de stockage.

Importer un projet de classification de texte personnalisé (API REST)

Si vous avez déjà étiqueté des données, vous pouvez l’utiliser pour commencer à utiliser le service. Assurez-vous que vos données étiquetées utilisent les formats de données acceptés.

Soumettez une demande POST en utilisant l’URL, les en-têtes et le corps JSON suivants pour importer votre fichier d’étiquettes. Vérifiez que votre fichier d’étiquettes respecte le format accepté.

Si un projet portant le même nom existe déjà, les données de ce projet sont remplacées.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/:import?api-version={API-VERSION}

headers

Utilisez l’en-tête suivant pour authentifier votre demande.

body

Utilisez le code JSON suivant dans votre demande. Remplacez les valeurs d’espace réservé par vos propres valeurs.

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectName": "{PROJECT-NAME}",
    "storageInputContainerName": "{CONTAINER-NAME}",
    "projectKind": "customMultiLabelClassification",
    "description": "Trying out custom multi label text classification",
    "language": "{LANGUAGE-CODE}",
    "multilingual": true,
    "settings": {}
  },
  "assets": {
    "projectKind": "customMultiLabelClassification",
    "classes": [
      {
        "category": "Class1"
      },
      {
        "category": "Class2"
      }
    ],
    "documents": [
      {
        "location": "{DOCUMENT-NAME}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "classes": [
          {
            "category": "Class1"
          },
          {
            "category": "Class2"
          }
        ]
      },
      {
        "location": "{DOCUMENT-NAME}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "classes": [
          {
            "category": "Class2"
          }
        ]
      }
    ]
  }
}

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectName": "{PROJECT-NAME}",
    "storageInputContainerName": "{CONTAINER-NAME}",
    "projectKind": "customSingleLabelClassification",
    "description": "Trying out custom multi label text classification",
    "language": "{LANGUAGE-CODE}",
    "multilingual": true,
    "settings": {}
  },
  "assets": {
    "projectKind": "customSingleLabelClassification",
        "classes": [
            {
                "category": "Class1"
            },
            {
                "category": "Class2"
            }
        ],
        "documents": [
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "class": {
                    "category": "Class2"
                }
            },
            {
                "location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "class": {
                    "category": "Class1"
                }
            }
        ]
    }
}

Une fois que vous avez envoyé votre demande d’API, vous recevez une 202 réponse indiquant que le travail a été envoyé correctement. Dans les en-têtes de réponse, extrayez la valeur operation-location formatée comme suit :

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

{JOB-ID} sert à identifier votre demande, car cette opération est asynchrone. Vous utilisez cette URL pour obtenir l’état de la tâche d’importation.

Scénarios d’erreur possibles pour cette requête :

• La ressource sélectionnée n’a pas les autorisations appropriées pour le compte de stockage.
• Le storageInputContainerName spécifié n’existe pas.
• Le code de langue utilisé est non valide ou si le type de code de langue n’est pas une chaîne.
• La valeur multilingual est une chaîne et non pas une valeur booléenne.

Obtenir les détails du projet (API REST)

Pour obtenir les détails du projet de classification de texte personnalisée, envoyez une requête GET en utilisant l’URL et les en-têtes suivants. Remplacez les valeurs d’espace réservé par vos propres valeurs.

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}?api-version={API-VERSION}

headers

Utilisez l’en-tête suivant pour authentifier votre demande.

Corps de la réponse

Une fois la requête envoyée, vous recevez la réponse suivante.

{
  "createdDateTime": "2022-04-23T13:39:09.384Z",
  "lastModifiedDateTime": "2022-04-23T13:39:09.384Z",
  "lastTrainedDateTime": "2022-04-23T13:39:09.384Z",
  "lastDeployedDateTime": "2022-04-23T13:39:09.384Z",
  "projectKind": "customSingleLabelClassification",
  "storageInputContainerName": "{CONTAINER-NAME}",
  "projectName": "{PROJECT-NAME}",
  "multilingual": true,
  "description": "Project description",
  "language": "{LANGUAGE-CODE}"
}

Une fois que vous avez envoyé votre demande d’API, vous recevez une 200 réponse indiquant la réussite et le corps de la réponse JSON avec les détails de votre projet.

Supprimer un projet (API REST)

Quand vous n’avez plus besoin de votre projet, vous pouvez le supprimer avec la demande DELETE suivante. Remplacez les valeurs d’espace réservé par vos propres valeurs.

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

headers

Utilisez l’en-tête suivant pour authentifier votre demande.

Une fois que vous avez envoyé votre demande d’API, vous recevez une 202 réponse indiquant la réussite, ce qui signifie que votre projet est supprimé. Un appel réussi donne un en-tête Operation-Location utilisé pour vérifier l’état du travail.

Étapes suivantes

• Vous devez planifier le schéma de projet utilisé pour étiqueter vos données.

• Une fois votre projet créé, vous pouvez commencer à étiqueter vos données. L’étiquetage informe votre modèle de classification de texte comment interpréter du texte et est utilisé pour la formation et l’évaluation.