Entender a análise de texto no Foundry

Microsoft Foundry é a plataforma para a criação de aplicativos e agentes de IA no Azure. O portal do Foundry oferece duas abordagens para análise de texto: modelos de IA de uso geral que lidam com uma ampla gama de tarefas por meio de prompts de linguagem natural e ferramentas de linguagem criadas com finalidade que retornam resultados estruturados e determinísticos para tarefas específicas.

Para começar a usar a análise de texto no novo portal do Foundry, você precisa criar um recurso do Foundry e um projeto do Foundry.

Um recurso Foundry é um recurso Azure que fornece acesso a serviços de IA e modelos implantados. Um projeto do Foundry é um workspace dentro desse recurso, onde você organiza seu trabalho, implanta modelos e acessa ferramentas como o playground de chat e os serviços de IA.

Usando modelos de IA de uso geral para análise de texto

No seu projeto no portal do Foundry, você pode implantar um modelo de IA de uso geral. Um modelo de IA de uso geral é um modelo de linguagem treinado em grandes quantidades de dados de texto, dando a ele uma ampla compreensão da linguagem e da capacidade de lidar com muitas tarefas diferentes. Um modelo de uso geral pode seguir instruções de linguagem natural para analisar o sentimento, extrair entidades, resumir texto, traduzir conteúdo, responder perguntas e muito mais , tudo sem nenhuma configuração ou treinamento de sua parte.

Você pode usar um modelo de IA de uso geral para lidar com tarefas de análise de texto, como:

• A extração de frase-chave lista os principais conceitos do texto não estruturado.
• Vinculação de entidades identifica entidades conhecidas junto com um link para a Wikipédia.
• A análise de sentimento e a mineração de opinião identificam se o texto é positivo ou negativo.
• O resumo resume o texto identificando as informações mais importantes.

Você pode explorar os recursos de análise de texto de modelos de IA no playground de chat do portal do Foundry. Depois de implantar um modelo, o playground oferece uma interface de chat em que você digita um prompt e o modelo responde. Como o modelo entende o contexto, você também pode acompanhar perguntas adicionais ou refinar a análise na mesma conversa. Isso torna o playground uma maneira útil de explorar o que é possível antes de criar um aplicativo completo.

Vamos dar uma olhada mais de perto em algumas das respostas que um modelo de inteligência artificial de uso geral pode fornecer ao receber uma tarefa de análise de texto.

Extração de frase-chave

Você pode usar um modelo de linguagem para extrair as palavras-chave e frases usadas em algum texto, o que pode ser útil em processos como indexação e pesquisa de documentos relevantes. A extração de frase-chave identifica os principais pontos do texto.

Por exemplo, você pode receber uma revisão como:

"Eu tive uma refeição fantástica no restaurante em Seattle no sábado. O risoto de cogumelo estava perfeitamente preparado, e realmente saboroso. Nosso garçom, Pete, era amigável e eficiente; e nos deu uma ótima recomendação para uma sobremesa (cheesecake de morango). Eu definitivamente recomendaria este lugar para um jantar casual.

A extração de frase-chave pode fornecer algum contexto para esta revisão extraindo as seguintes frases:

• jantar casual
• Sobremesa
• refeição fantástica
• lanchonete
• ótima recomendação
• risoto de cogumelo
• Pete
• lugar
• Sábado
• Seattle
• cheesecake de morango
• Garçom

Reconhecimento de entidade

Você também pode usar o reconhecimento de entidade nomeada para localizar pessoas, locais, datas e outras entidades específicas mencionadas no texto.

Você pode fornecer um modelo de linguagem com texto não estruturado e recuperar uma lista de entidades no texto que ele reconhece. Uma entidade é um item de um tipo específico ou uma categoria; e, em alguns casos, subtipo.

Considere este texto curto:

"On 2 de maio de 2017, John Smith visitou Nova York para participar de uma conferência organizada pelo Microsoft. O evento começou às 8h e durou 3 horas. Mais de 25% dos 40 participantes viajaram mais de 16 km para participar."

As entidades detectadas incluem:

Análise de sentimento e mineração de opiniões

Você também pode usar a análise de sentimento para classificar um documento como positivo, negativo ou neutro. Isso é útil para detectar sentimento nas mídias sociais, revisões de clientes, fóruns de discussão e muito mais.

Considere a seguinte revisão de restaurante:

"Eu tive um jantar maravilhoso em um bistrô aconchegante em Portland na sexta à noite. O salmão grelhado foi cozido perfeitamente e cheio de sabor, e os legumes sazonais foram um grande complemento. Nossa servidora, Maria, era atenta e agradável, e ela sugeriu a torta de limão para sobremesa, o que foi excelente. Eu absolutamente recomendaria este lugar para uma noite relaxada e agradável fora.

A análise da avaliação do restaurante pode retornar:

• Análise de sentimento frase a frase:

  "Tive um jantar maravilhoso em um aconchegante bistrô em Portland na sexta à noite." Sentimento: Explicação positiva: as palavras "jantar maravilhoso" e "bistrô aconchegante" transmitem uma experiência altamente positiva.

  "O salmão grelhado era cozido perfeitamente e cheio de sabor, e os legumes sazonais eram um grande complemento." Sentimento: Explicação positiva: "Cozido perfeitamente", "cheio de sabor" e "grande complemento" tudo indica forte satisfação com a comida.

  "Nossa servidora, Maria, era atenta e pessoal, e ela sugeriu a torta de limão para sobremesa, o que foi excelente." Sentimento: Explicação positiva: descrições positivas das qualidades do servidor e da sobremesa ("atenta", "personável", "excelente") refletem um cliente muito feliz.

  Eu absolutamente recomendaria este lugar para uma noite relaxante e agradável. Sentimento: Positivo. Explicação: Uma recomendação clara com as palavras "absolutamente", "relaxante" e "agradável" mostra forte sentimento positivo.

• Sentimento geral do documento: fortemente positivo. A revisão é preenchida com linguagem complementar sobre a comida, atmosfera, serviço e experiência geral. Não há afirmações neutras ou negativas.

Quando usar um modelo de IA de uso geral para análise de texto

Além da extração de frase-chave, reconhecimento de entidade e análise de sentimento, os modelos de IA de uso geral também podem resumir documentos longos em parágrafos concisos, traduzir texto entre idiomas, classificar conteúdo em categorias que você definir, responder perguntas sobre uma passagem e muito mais. Como esses recursos são todos orientados por prompts de linguagem natural, você pode combiná-los livremente , por exemplo, solicitar que o modelo traduza uma revisão longa e resumi-la em uma única conversa.

Utilizando a Linguagem do Azure no Foundry Tools.

Embora um modelo de linguagem grande treinado para cargas de trabalho gerais de IA gerativas possa fazer um ótimo trabalho de análise de texto, às vezes uma ferramenta mais especializada obtém resultados mais previsíveis.

Azure Language in Foundry tools é um serviço de processamento de linguagem natural com analisadores criados para tarefas específicas de análise de texto. Esses analisadores usam técnicas estatísticas para retornar uma saída estruturada e determinística, tornando-as adequadas para pipelines automatizados em que os resultados consistentes importam.

No portal new Foundry, você pode explorar algumas das funcionalidades do Azure Language no chat playground. Para testar os recursos dos serviços de IA, navegue até a página Compilar e, em seguida, para Modelos e, em seguida, para a guia serviços de IA . Na guia, você pode encontrar uma seleção de serviços de IA disponíveis para teste.

Considere os seguintes recursos de linguagem Azure:

• A detecção de idioma avalia o texto e detecta o idioma e o dialeto.
• A detecção de PII (informações de identificação pessoal) identifica informações pessoais confidenciais, incluindo informações de integridade pessoal (PHI).

Detecção de idioma

Em um fluxo de trabalho de vários idiomas, a primeira etapa geralmente é identificar o idioma em que um documento é escrito, para que o texto possa ser roteado para o modelo ou processo mais apropriado. A detecção de idioma avalia o texto e identifica o idioma primário juntamente com uma pontuação de confiança. Azure Idioma dá suporte a uma ampla variedade de idiomas e dialetos regionais.

Por exemplo, considerando o seguinte texto:

"Hola! Eu llamo Josefina y vivo en Madrid, España."

A detecção de idioma retorna o seguinte resultado:

No portal Foundry, você pode testar o recurso de detecção de idioma do Azure Language no chat Playground.

Detecção de informações de identificação pessoal

As organizações geralmente precisam identificar e redigir detalhes pessoais confidenciais do texto antes de serem armazenados ou compartilhados, para cumprir as regulamentações de privacidade. A detecção de PII (informações de identificação pessoal) identifica detalhes pessoais no texto, como nomes, números de telefone, endereços de email e endereços de rua, e pode, opcionalmente, redigi-los.

Por exemplo, considerando o seguinte texto:

"Maria Garcia ligou de 020 7946 0958 e pediu para enviar documentos para 42 Market Road, Londres, Reino Unido, SW1A 1AA."

A detecção de PII identifica as seguintes entidades:

No portal Foundry, você pode testar o recurso de detecção de PII do Azure Language no Language Playground.

Em seguida, saiba como criar um aplicativo cliente com recursos de análise de texto usando a API de respostas OpenAI e o SDK de Linguagem Azure.