Classification

Du kan använda Klassificering för att klassificera dina dokument i fördefinierade kategorier med AI.

Exempel på klassificering är:

• Klassificera kundsamtalsavskrifter efter avsikt
• Klassificera dokument efter innehållstyp
• Klassificera produktrecensioner efter sentiment

Klassificering bygger på AI-funktionen . ai_classify Sidan Agenter innehåller ett gränssnitt för användargränssnitt för att snabbt klassificera dokument och ostrukturerad text och iterera i klassificeringsfält för bättre resultat.

Requirements

• En arbetsyta som innehåller följande:
  • AI Classify Public Preview aktiverat. Se Hantera Azure Databricks förhandsversioner.
  • Serverlös beräkning aktiverad. Se Krav för serverlös beräkning.
  • Unity Catalog aktiverat. Se Aktivera en arbetsyta för Unity Catalog.
  • Åtkomst till en serverlös användningsprincip med en icke-nollbudget.
• Den här funktionen är endast tillgänglig i vissa regioner, se TILLGÄNGLIGHET för AI-funktioner.
• Möjlighet att använda SQL-funktionenai_classify.
• Ostrukturerade data som du vill klassificera. Data måste finnas i en Unity Catalog-volym eller -tabell.
  • För att skapa din agent behöver du minst 1 omärkt dokument i Unity Catalog-volymen eller en rad i tabellen.

Skapa en klassificeringsagent

Gå till Agenter i det vänstra navigeringsfönstret på arbetsytan. Klicka på Skapa agent och välj Textklassificering.

Steg 1. Välj källdata

Använd Klassificering för att klassificera dina dokument.

1. Välj dina källdata. Du kan välja en volym med dokument eller en tabell med textdata.

2. Klicka på Skapa agent.

Steg 2. Konfigurera klassificeringsetiketter

När klassificeringen har bearbetat dina data konfigurerar och förfinar du klassificeringsetiketterna.

Så här lägger du till klassificeringsetiketter manuellt:

1. Klicka på + Lägg till etikett för att lägga till en klassificeringsetikett.
2. Ange etikettnamnet och den valfria beskrivningen och klicka sedan på Lägg till etikett.
3. Upprepa 1–2 för varje etikett som du vill lägga till.
4. (Valfritt) Aktivera Flera etiketter om du vill att agenten ska returnera mer än en etikett.

Så här importerar du etiketter från en tabell:

1. Klicka på Importera från tabellen.
2. Välj tabellen och klicka på Nästa.
3. Välj etikettkolumn, beskrivningskolumn och SQL-lager.
4. Klicka på Förhandsgranska för att se de etiketter som importeras.
5. Om du är nöjd med etiketterna klickar du på Importera och ersätt etiketter.

Du måste ha minst två etiketter som definierats för att köra klassificeringen. När du har lagt till etiketterna klickar du på Spara och Kör klassificering.

Klassificering klassificerar upp till 5 dokument och rader och visar resultatet. Du kan också lägga till fler.

Steg 3. Granska och förbättra klassificeringssvar

Granska klassificeringssvaren och ge feedback för att förbättra agenten.

1. Granska dokumentet och klassificeringssvaret:

   • Om svaret är korrekt ger du det tummen upp.
   • Om svaret är felaktigt ger du det tummen ner. Hjälpklassificeringen åtgärdar svaret genom att välja rätt etikett. Klicka på Spara.

2. Justera beskrivningarna av klassificeringsetiketten för att förbättra agentens svar.

3. Jämför versioner för att optimera agentens prestanda. Klicka på Versioner. Bredvid en tidigare version klickar du på Jämför för att jämföra beskrivningar av klassificeringsetiketter för en tidigare version med den aktuella versionen. Klicka på Återställ för att återställa en tidigare version.

Steg 4. Använda klassificeringsagenten

Om du är nöjd med svaren börjar du använda agenten för klassificering i stor skala.

Klicka på Använd agent i det övre högra hörnet. Du kan välja antingen:

• Kör i SQL för att använda agenten för att klassificera hela volymen eller tabellen. Då öppnas en SQL-fråga som använder ai_classify de klassificeringsetiketter som du har definierat. Mer information om hur du använder ai_classify i SQL-frågor finns i ai_classify funktion.
• Skapa en Spark deklarativ pipeline för att distribuera en ETL-pipeline som körs vid schemalagda intervall för att anropa din agent på nya data. Detta skapar Lakeflow Spark-deklarativa pipelines som uppdaterar en tabell för strömmande data med dina klassificerade data. Du kan konfigurera pipelinens schema så att det körs när nya data kommer. Mer information om Lakeflow Spark Deklarativa Pipelines finns i Lakeflow Spark Deklarativa Pipelines.

Begränsningar

Se Begränsningar