Caractéristiques des charges de travail du traitement du langage naturel
Identifier les caractéristiques et utilisation de l'extraction de phrases clés
Fonctionnalité permet d'obtenir les thèmes/sujets/mots-clés contenus dans un texte structuré.
Nombreuses utilisations possibles.
Exemple : Language Studio qui permet de fournir mot et expression clés
portail azure : Service de Language https://language.cognitive.azure.com
Caractéristiques et utilisations de la reconnaissance d'entités
NER
Catégoriser les mots et expressions en plusieurs groupes de catégories prédéfinies à partir d'un texte non structuré
| Personne (nom des personnes) | Produit (objets physiques) | URL (de sites Web) |
| PersonType (type tâche ou rôle d’une personne) | Compétence (capacité, expertise…) | IP (adresse IP réseau) |
| Emplacement (points de repère, structure géographique) | Adresse (adresse postale) | DateTime (dates et heures du jour) |
| Organisation (club, groupe…) | PhoneNumber (n° de téléphone) | Quantité |
| Événement (historique, social…) |
Exemples : - Automatisation de processus métiers via la reconnaissance d'entités dans les documents
tester avec Language Studio du service Langue de Cognitive Service