Szybki start 3b Scientific Physics 300 1003272

• Artykuł
01/30/2023
• Czas czytania: 27 min

Ważne

• Aby użyć funkcji podsumowania z bramą, np. podsumowania abstrakcyjnego dokumentu, podsumowania problemu z konwersacją i podsumowania rozwiązania oraz podsumowania narracji konwersacji z rozdziałami, musisz przesłać żądanie online i zatwierdzić je.
• Te warunkowe funkcje podsumowania są dostępne tylko za pośrednictwem zasobów języka w następujących regionach:
  • Europa Północna
  • East US
  • Południowe Zjednoczone Królestwo
  • Podsumowanie problemu z konwersacją i jego rozwiązania jest dostępne tylko przy użyciu:
    • Interfejs API REST
    • Python
    • C#

    Użyj tego przewodnika Szybki start, aby utworzyć aplikację podsumowania tekstu z biblioteką klienta dla platformy. NET. W poniższym przykładzie utworzysz aplikację w języku C#, która może podsumowywać dokumenty lub konwersacje obsługi klienta oparte na tekście.

    Porada

    Program Language Studio umożliwia wypróbowanie podsumowania dokumentów bez konieczności pisania kodu.

    Wymagania wstępne

    • Subskrypcja platformy Azure — utwórz bezpłatnie
    • Środowisko IDE programu Visual Studio
    • Po utworzeniu subskrypcji platformy Azure utwórz zasób language w Azure Portal, aby uzyskać klucz i punkt końcowy. Po wdrożeniu kliknij pozycję Przejdź do zasobu.
    • Będziesz potrzebować klucza i punktu końcowego z utworzonego zasobu, aby połączyć aplikację z interfejsem API. W dalszej części tego przewodnika Szybki start wklejesz klucz i punkt końcowy do poniższego kodu.
    • Możesz użyć bezpłatnej warstwy cenowej (Free F0), aby wypróbować usługę, a następnie uaktualnić usługę do warstwy płatnej dla środowiska produkcyjnego.
    • Aby korzystać z funkcji Analizuj, potrzebny jest zasób języka ze standardową warstwą cenową (S).

    Konfigurowanie

    Tworzenie nowej aplikacji platformy. NET Core

    Za pomocą środowiska IDE programu Visual Studio utwórz nową aplikację konsolową platformy. NET Core. Spowoduje to utworzenie projektu "Hello world" z pojedynczym plikiem źródłowym języka C#: program. cs.

    • Podsumowanie dokumentuPodsumowanie konwersacji

      Zainstaluj bibliotekę klienta, klikając prawym przyciskiem myszy rozwiązanie w Eksplorator rozwiązań i wybierając polecenie Zarządzaj pakietami NuGet. W menedżerze pakietów, który zostanie otwarty, wybierz pozycję Przeglądaj i wyszukaj ciąg Azure. AI. TextAnalytics. Upewnij się, że zaznaczono opcję Uwzględnij wersję wstępną. Wybierz wersję 5. 2. 0-beta. 3, a następnie pozycję Zainstaluj. Można również użyć konsoli Menedżera pakietów.

      Zainstaluj bibliotekę klienta, klikając prawym przyciskiem myszy rozwiązanie w Eksplorator rozwiązań i wybierając polecenie Zarządzaj pakietami NuGet. Language. Conversations. Wybierz wersję 1. 1. 1, a następnie pozycję Zainstaluj.

      Przykładowy kod

      Skopiuj następujący kod do pliku program. Pamiętaj, aby zastąpić zmienną key kluczem zasobu i zastąpić endpoint zmienną punktem końcowym zasobu. Następnie uruchom kod.

      Przejdź do witryny Azure Portal. Jeśli zasób języka utworzony w sekcji Wymagania wstępne został wdrożony pomyślnie, kliknij przycisk Przejdź do zasobu w obszarze Następne kroki. Klucz i punkt końcowy można znaleźć, przechodząc do strony Klucze i punkt końcowy zasobu w obszarze Zarządzanie zasobami.

      Pamiętaj, aby usunąć klucz z kodu po zakończeniu i nigdy nie publikować go publicznie. W przypadku środowiska produkcyjnego użyj bezpiecznego sposobu przechowywania i uzyskiwania dostępu do poświadczeń, takich jak azure Key Vault. Aby uzyskać więcej informacji, zobacz artykuł Dotyczący zabezpieczeń usług Cognitive Services.

      Podsumowanie dokumentuPodsumowanie konwersacji

      using Azure;using System;using Azure. TextAnalytics;using System. Threading. Tasks;using System. Collections. Generic;namespace Example{class Programprivate static readonly AzureKeyCredential credentials = new AzureKeyCredential("replace-with-your-key-here");private static readonly Uri endpoint = new Uri("replace-with-your-endpoint-here");// Example method for summarizing textstatic async Task TextSummarizationExample(TextAnalyticsClient client)string document = @"The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructured text document.These sentences collectively convey the main idea of the document. This feature is provided as an API for developers.They can use it to build intelligent solutions based on the relevant information extracted to support various use cases.In the public preview, extractive summarization supports several languages. It is based on pretrained multilingual transformer models, part of our quest for holistic representations.It draws its strength from transfer learning across monolingual and harness the shared nature of languages to produce models of improved quality and efficiency. ";// Prepare analyze operation input. You can add multiple documents to this list and perform the same// operation to all of them.var batchInput = new List<string>document};TextAnalyticsActions actions = new TextAnalyticsActions()ExtractSummaryActions = new List<ExtractSummaryAction>() { new ExtractSummaryAction()}};// Start analysis process.AnalyzeActionsOperation operation = await client. StartAnalyzeActionsAsync(batchInput, actions);await operation. WaitForCompletionAsync();// View operation status.Console. WriteLine($"AnalyzeActions operation has completed");Console. WriteLine();Console. WriteLine($"Created On: {operation. CreatedOn}");Console. WriteLine($"Expires On: {operation. ExpiresOn}");Console. WriteLine($"Id: {operation. Id}");Console. WriteLine($"Status: {operation. Status}");// View operation results.await foreach (AnalyzeActionsResult documentsInPage in operation. Value)IReadOnlyCollection<ExtractSummaryActionResult> summaryResults = documentsInPage. ExtractSummaryResults;foreach (ExtractSummaryActionResult summaryActionResults in summaryResults)if (summaryActionResults. HasError)Console. WriteLine($" Error! ");Console. WriteLine($" Action error code: {summaryActionResults. Error. ErrorCode}. ");Console. WriteLine($" Message: {summaryActionResults. Message}");continue;}foreach (ExtractSummaryResult documentResults in summaryActionResults. DocumentsResults)if (documentResults. WriteLine($" Document error code: {documentResults. WriteLine($" Message: {documentResults. Message}");Console. WriteLine($" Extracted the following {documentResults. Sentences. Count} sentence(s):");foreach (SummarySentence sentence in documentResults. Sentences)Console. WriteLine($" Sentence: {sentence. Text}");Console. WriteLine();}}}}}static async Task Main(string[] args)var client = new TextAnalyticsClient(endpoint, credentials);await TextSummarizationExample(client);}}}

      Dane wyjściowe

      AnalyzeActions operation has completedCreated On: 9/16/2021 8:04:27 PM +00:00Expires On: 9/17/2021 8:04:27 PM +00:00Id: 2e63fa58-fbaa-4be9-a700-080cff098f91Status: succeededExtracted the following 3 sentence(s):Sentence: The extractive summarization feature in uses natural language processing techniques to locate key sentences in an unstructured text document.Sentence: This feature is provided as an API for developers.Sentence: They can use it to build intelligent solutions based on the relevant information extracted to support various use cases.
      using System;using Azure;using Azure. Core;using Azure. Conversations;using System. Text. Json;static void Main(string[] args)ConversationAnalysisClient client = new ConversationAnalysisClient(endpoint, credentials);summarization(client);}public static void summarization(ConversationAnalysisClient client)var data = newanalysisInput = newconversations = new[]newconversationItems = new[]text = "Hello, you’re chatting with Rene. How may I help you? ",id = "1",participantId = "Agent", },text = "Hi, I tried to set up wifi connection for Smart Brew 300 coffee machine, but it didn’t work. ",id = "2",participantId = "Customer", },text = "I’m sorry to hear that. Let’s see what we can do to fix this issue. Could you please try the following steps for me? First, could you push the wifi connection button, hold for 3 seconds, then let me know if the power light is slowly blinking on and off every second? ",id = "3",text = "Yes, I pushed the wifi connection button, and now the power light is slowly blinking? ",id = "4",text = "Great. Thank you! Now, please check in your Contoso Coffee app. Does it prompt to ask you to connect with the machine? ",id = "5",text = "No. Nothing happened. ",id = "6",text = "I’m very sorry to hear that. Let me see if there’s another way to fix the issue. Please hold on for a minute. ",id = "7",participantId = "Agent", }},language = "en",modality = "text", }, }},tasks = new[]parameters = newsummaryAspects = new[]"issue","resolution", }},kind = "ConversationalSummarizationTask",taskName = "1", }, }, };Operation<BinaryData> analyzeConversationOperation = client. AnalyzeConversation(WaitUntil. Started, RequestContent. Create(data));analyzeConversationOperation. WaitForCompletion();using JsonDocument result = JsonDocument. Parse(analyzeConversationOperation. Value. ToStream());JsonElement jobResults = result. RootElement;foreach (JsonElement task in jobResults. GetProperty("tasks"). GetProperty("items"). EnumerateArray())JsonElement results = task. GetProperty("results");Console. WriteLine("Conversations:");foreach (JsonElement conversation in results. GetProperty("conversations"). EnumerateArray())Console. WriteLine($"Conversation: #{conversation. GetProperty("id"). GetString()}");Console. WriteLine("Summaries:");foreach (JsonElement summary in conversation. GetProperty("summaries"). WriteLine($"Text: {summary. GetProperty("text"). WriteLine($"Aspect: {summary. GetProperty("aspect"). GetString()}");}
      Dane wyjściowe
      Conversations:Conversation: #1Summaries:Text: Customer tried to set up wifi connection for Smart Brew 300 coffee machine, but it didn't workAspect: issueText: Asked customer to try the following steps | Asked customer for the power light | Helped customer to connect to the machineAspect: resolution
      Czyszczenie zasobów
      Jeśli chcesz wyczyścić i usunąć subskrypcję usług Cognitive Services, możesz usunąć zasób lub grupę zasobów. Usunięcie grupy zasobów powoduje również usunięcie wszystkich innych skojarzonych z nią zasobów. 
      Portal
      Interfejs wiersza polecenia platformy Azure
      Dokumentacja referencyjna | Dodatkowe przykłady | Pakiet (Maven) | Kod źródłowy biblioteki
      Użyj tego przewodnika Szybki start, aby utworzyć aplikację podsumowania tekstu z biblioteką klienta dla języka Java. W poniższym przykładzie utworzysz aplikację Java, która może podsumowywać dokumenty. 
      Zestaw Java Development Kit (JDK) w wersji 8 lub nowszej
      Dodawanie biblioteki klienta
      Utwórz projekt Maven w preferowanym środowisku IDE lub środowisku projektowym. Następnie dodaj następującą zależność do pliku pom. xml projektu. Składnię implementacji dla innych narzędzi kompilacji można znaleźć w trybie online. 
      <dependencies><dependency><groupId>com. azure</groupId><artifactId>azure-ai-textanalytics</artifactId><version>5. 3</version></dependency></dependencies>
      Utwórz plik Java o nazwie Example. java. Otwórz plik i skopiuj poniższy kod. com/pl-pl/azure/key-vault/general/overview" data-linktype="relative-path">Azure Key Vault. Aby uzyskać więcej informacji, zobacz artykuł Dotyczący zabezpieczeń usług Cognitive Services. 
      import com. core. credential. AzureKeyCredential;import com. ai. textanalytics. models. *;import com. TextAnalyticsClientBuilder;import com. TextAnalyticsClient;import java. util. ArrayList;import java. List;import com. polling. SyncPoller;import com. *;public class Example {private static String KEY = "replace-with-your-key-here";private static String ENDPOINT = "replace-with-your-endpoint-here";public static void main(String[] args) {TextAnalyticsClient client = authenticateClient(KEY, ENDPOINT);summarizationExample(client);}// Method to authenticate the client object with your key and endpointstatic TextAnalyticsClient authenticateClient(String key, String endpoint) {return new TextAnalyticsClientBuilder(). credential(new AzureKeyCredential(key)). endpoint(endpoint). buildClient();}static void summarizationExample(TextAnalyticsClient client) {List<String> documents = new ArrayList<>();documents. add("The extractive summarization feature uses natural language processing techniques "+ "to locate key sentences in an unstructured text document. "+ "These sentences collectively convey the main idea of the document. This feature is provided as an API for developers. "+ "They can use it to build intelligent solutions based on the relevant information extracted to support various use cases. "+ "In the public preview, extractive summarization supports several languages. "+ "It is based on pretrained multilingual transformer models, part of our quest for holistic representations. "+ "It draws its strength from transfer learning across monolingual and harness the shared nature of languages "+ "to produce models of improved quality and efficiency. ");SyncPoller<AnalyzeActionsOperationDetail, AnalyzeActionsResultPagedIterable> syncPoller =client. beginAnalyzeActions(documents,new TextAnalyticsActions(). setDisplayName("{tasks_display_name}"). setExtractSummaryActions(new ExtractSummaryAction()),"en",new AnalyzeActionsOptions());syncPoller. waitForCompletion();syncPoller. getFinalResult(). forEach(actionsResult -> {System. out. println("Extractive Summarization action results:");for (ExtractSummaryActionResult actionResult: actionsResult. getExtractSummaryResults()) {if (! actionResult. isError()) {for (ExtractSummaryResult documentResult: actionResult. getDocumentsResults()) {if (! documentResult. isError()) {System. println("\tExtracted summary sentences:");for (SummarySentence summarySentence: documentResult. getSentences()) {System. printf("\t\t Sentence text:%s, length:%d, offset:%d, rank score:%f. %n",summarySentence. getText(), summarySentence. getLength(),summarySentence. getOffset(), summarySentence. getRankScore());}} else {System. printf("\tCannot extract summary sentences. Error:%s%n",documentResult. getError(). getMessage());}}} else {System. printf("\tCannot execute Extractive Summarization action. Error:%s%n",actionResult. getMessage());}}});}}
      Extractive Summarization action results:Extracted summary sentences:Sentence text: The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructured text document., length: 138, offset: 0, rank score: 1. 000000.Sentence text: This feature is provided as an API for developers., length: 50, offset: 206, rank score: 0. 510000.Sentence text: In the public preview, extractive summarization supports several languages., length: 75, offset: 378, rank score: 0. 410000.
      Jeśli chcesz wyczyścić i usunąć subskrypcję usług Cognitive Services, możesz usunąć zasób lub grupę zasobów. Usunięcie grupy zasobów powoduje również usunięcie wszelkich innych skojarzonych z nią zasobów. 
      Dokumentacja referencyjna | Dodatkowe przykłady | Pakiet (npm) | Kod źródłowy biblioteki
      Użyj tego przewodnika Szybki start, aby utworzyć aplikację podsumowania tekstu z biblioteką klienta dla Node. js. W poniższym przykładzie utworzysz aplikację JavaScript, która może podsumowywać dokumenty. 
      Subskrypcja platformy Azure — utwórz jedną bezpłatnie
      Node. js v16 LTS
      Po utworzeniu subskrypcji platformy Azure utwórz zasób język  w Azure Portal, aby uzyskać klucz i punkt końcowy. W dalszej części przewodnika Szybki start wklejesz klucz i punkt końcowy do poniższego kodu. 
      Możesz użyć warstwy cenowej bezpłatna (Free F0), aby wypróbować usługę, a następnie uaktualnić ją do warstwy płatnej dla środowiska produkcyjnego. 
      Aby korzystać z funkcji Analizuj, potrzebny będzie zasób język ze standardową warstwą cenową (S). 
      Tworzenie nowej aplikacji Node. js
      W oknie konsoli (takim jak cmd, PowerShell lub Bash) utwórz nowy katalog dla aplikacji i przejdź do niego. 
      mkdir myappcd myapp
      Uruchom polecenie, npm init aby utworzyć aplikację węzła z plikiem package. json. 
      npm init
      Instalowanie biblioteki klienta
      Zainstaluj pakiety npm:
      npm install --save @azure/ai-text-analytics@5. 1
      Otwórz plik i skopiuj poniższy kod. 
      "use strict";const { TextAnalyticsClient, AzureKeyCredential} = require("@azure/ai-text-analytics");const key = '<paste-your-key-here>';const endpoint = '<paste-your-endpoint-here>';// Authenticate the client with your key and endpointconst textAnalyticsClient = new TextAnalyticsClient(endpoint, new AzureKeyCredential(key));async function summarization_example(client) {const documents = [`The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructured text document.It draws its strength from transfer learning across monolingual and harness the shared nature of languages to produce models of improved quality and efficiency. `];console. log("== Analyze Sample For Extract Summary ==");const actions = {extractSummaryActions: [{ modelVersion: "latest", orderBy: "Rank", maxSentenceCount: 5}], };const poller = await client. beginAnalyzeActions(documents, actions, "en");poller. onProgress(() => {console. log(`Number of actions still in progress: ${poller. getOperationState(). actionsInProgressCount}`);});console. log(`The analyze actions operation created on ${poller. createdOn}`);`The analyze actions operation results will expire on ${poller. expiresOn}`);const resultPages = await poller. pollUntilDone();for await (const page of resultPages) {const extractSummaryAction = page. extractSummaryResults[0];if (! extractSummaryAction. error) {for (const doc of extractSummaryAction. results) {console. log(`- Document ${doc. id}`);if (! doc. error) {console. log("\tSummary:");for (const sentence of doc. sentences) {console. log(`\t- ${sentence. text}`);}} else {console. error("\tError:", doc. error);}}}}}summarization_example(textAnalyticsClient). catch((err) => {console. error("The sample encountered an error:", err);});
      Polecenie
      node index. js
      == Analyze Sample For Extract Summary ==The analyze actions operation created on Thu Sep 16 2021 13:12:31 GMT-0700 (Pacific Daylight Time)The analyze actions operation results will expire on Fri Sep 17 2021 13:12:31 GMT-0700 (Pacific Daylight Time)- Document 0Summary:- They can use it to build intelligent solutions based on the relevant information extracted to support various use cases.- This feature is provided as an API for developers.- The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructuredtext document.- These sentences collectively convey the main idea of the document.- In the public preview, extractive summarization supports several languages.
      Użyj tego przewodnika Szybki start, aby utworzyć aplikację podsumowania tekstu z biblioteką klienta dla języka Python. W poniższym przykładzie utworzysz aplikację języka Python, która może podsumowywać dokumenty lub konwersacje obsługi klienta oparte na tekście. python. org/" data-linktype="external">Python 3. x

    Po zainstalowaniu języka Python możesz zainstalować bibliotekę klienta przy użyciu następujących elementów:

    pip install azure-ai-textanalytics==5. 3. 0b1
    pip install azure-ai-language-conversations==1. 0b3
    Utwórz nowy plik języka Python i skopiuj poniższy kod. 
    key = "paste-your-key-here"endpoint = "paste-your-endpoint-here"from azure. textanalytics import TextAnalyticsClientfrom azure. credentials import AzureKeyCredential# Authenticate the client using your key and endpointdef authenticate_client():ta_credential = AzureKeyCredential(key)text_analytics_client = TextAnalyticsClient(endpoint=endpoint,credential=ta_credential)return text_analytics_clientclient = authenticate_client()# Example method for summarizing textdef sample_extractive_summarization(client):from azure. textanalytics import (TextAnalyticsClient,ExtractSummaryAction)document = ["The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructured text document. ""These sentences collectively convey the main idea of the document. ""They can use it to build intelligent solutions based on the relevant information extracted to support various use cases. ""In the public preview, extractive summarization supports several languages. It is based on pretrained multilingual transformer models, part of our quest for holistic representations. ""It draws its strength from transfer learning across monolingual and harness the shared nature of languages to produce models of improved quality and efficiency. "]poller = client. begin_analyze_actions(document,actions=[ExtractSummaryAction(max_sentence_count=4)], )document_results = poller. result()for result in document_results:extract_summary_result = result[0] # first document, first resultif extract_summary_result. is_error:print("... Is an error with code '{}' and message '{}'". format(extract_summary_result. code, extract_summary_result. message))else:print("Summary extracted: \n{}". format(" ". join([sentence. text for sentence in extract_summary_result. sentences])))sample_extractive_summarization(client)
    Summary extracted:The extractive summarization feature uses natural language processing techniques to locate key sentences in an unstructured text document. They can use it to build intelligent solutions based on the relevant information extracted to support various use cases.
    key = "paste-your-key-here"import osfrom azure. language. conversations import ConversationAnalysisClientclient = ConversationAnalysisClient(endpoint, AzureKeyCredential(key))with client:poller = client. begin_conversation_analysis(task={"displayName": "Analyze conversations from xxx","analysisInput": {"conversations": ["conversationItems": ["text": "Hello, you’re chatting with Rene. How may I help you? ","id": "1","role": "Agent","participantId": "Agent_1", },"text": "Hi, I tried to set up wifi connection for Smart Brew 300 coffee machine, but it didn’t work. ","id": "2","role": "Customer","participantId": "Customer_1", },"text": "I’m sorry to hear that. Could you please try the following steps for me? First, could you push the wifi connection button, hold for 3 seconds, then let me know if the power light is slowly blinking on and off every second? ","id": "3","text": "Yes, I pushed the wifi connection button, and now the power light is slowly blinking. ","id": "4","text": "Great. Does it prompt to ask you to connect with the machine? ","id": "5","text": "No. ","id": "6","text": "I’m very sorry to hear that. ","id": "7","participantId": "Agent_1", }, ],"modality": "text","id": "conversation1","language": "en", }, ]},"tasks": ["taskName": "Issue task","kind": "ConversationalSummarizationTask","parameters": {"summaryAspects": ["issue"]}, },"taskName": "Resolution task","parameters": {"summaryAspects": ["resolution"]}, }, ], })# view resultresult = poller. result()task_results = result["tasks"]["items"]for task in task_results:print(f"\n{task['taskName']} status: {task['status']}")task_result = task["results"]if task_result["errors"]:print("... errors occurred... ")for error in task_result["errors"]:print(error)conversation_result = task_result["conversations"][0]if conversation_result["warnings"]:print("... view warnings... ")for warning in conversation_result["warnings"]:print(warning)summaries = conversation_result["summaries"]for summary in summaries:print(f"{summary['aspect']}: {summary['text']}")
    Issue task status: succeededissue: Customer tried to set up wifi connection for Smart Brew 300 coffee machine but it didn't work. No error message.Resolution task status: succeededresolution: Asked customer to check if the Contoso Coffee app prompts to connect with the machine. Customer ended the chat.
    Użyj tego przewodnika Szybki start, aby wysyłać żądania podsumowania tekstu przy użyciu interfejsu API REST. W poniższym przykładzie użyjesz biblioteki cURL do podsumowania dokumentów lub konwersacji obsługi klienta opartej na tekście. 
    Bieżąca wersja biblioteki cURL. 
    Przykładowe żądanie
    Uwaga
    W poniższych przykładach powłoki BASH jest używany znak kontynuacji \ wiersza. Jeśli konsola lub terminal używa innego znaku kontynuacji wiersza, użyj tego znaku. 
    Przykłady specyficzne dla języka można znaleźć w witrynie GitHub. 
    Przejdź do Azure Portal i znajdź klucz i punkt końcowy zasobu Language utworzonego w wymaganiach wstępnych. Będą one znajdować się na stronie klucza i punktu końcowego zasobu w obszarze zarządzanie zasobami. Następnie zastąp ciągi w poniższym kodzie kluczem i punktem końcowym.Aby wywołać interfejs API, potrzebne są następujące informacje:
    Wybierz typ podsumowania, który chcesz wykonać, i wybierz jedną z poniższych kart, aby wyświetlić przykładowe wywołanie interfejsu API:
    Cecha
    Opis
    Podsumowanie dokumentu
    Użyj podsumowania tekstu wyodrębnianego, aby utworzyć podsumowanie ważnych lub istotnych informacji w dokumencie. 
    Podsumowanie konwersacji
    Użyj podsumowania tekstu abstrakcyjnego, aby utworzyć podsumowanie problemów i rozwiązań w transkrypcji między agentami obsługi klienta i klientami. 
    Dokumentacja referencyjna
    parametr-X POST <endpoint>Określa punkt końcowy na potrzeby uzyskiwania dostępu do interfejsu API. -H Content-Type: application/jsonTyp zawartości do wysyłania danych JSON. -H "Ocp-Apim-Subscription-Key:<key>Określa klucz dostępu do interfejsu API. -d <documents>Kod JSON zawierający dokumenty, które chcesz wysłać. 
    Następujące polecenia cURL są wykonywane z powłoki BASH. Zmodyfikuj te polecenia przy użyciu własnej nazwy zasobu, klucza zasobu i wartości JSON. 
    Podsumowanie dokumentu
    Przykład podsumowania wyodrębnianego dokumentu
    W poniższym przykładzie zaczniesz od podsumowania wyodrębnianego dokumentu:
    Skopiuj poniższe polecenie do edytora tekstów. Przykład powłoki BASH używa znaku kontynuacji \ wiersza. 
    curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-text/jobs? api-version=2022-10-01-preview \-H "Content-Type: application/json" \-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>" \-d \'"displayName": "Document ext Summarization Task Example","documents": ["language": "en","text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. As Chief Technology Officer of Azure AI Cognitive Services, I have been working with a team of amazing scientists and engineers to turn this quest into a reality. In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). At the intersection of all three, there’s magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. We believe XYZ-code will enable us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. The goal is to have pre-trained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. Over the past five years, we have achieved human performance on benchmarks in conversational speech recognition, machine translation, conversational question answering, machine reading comprehension, and image captioning. These five breakthroughs provided us with strong signals toward our more ambitious aspiration to produce a leap in AI capabilities, achieving multi-sensory and multilingual learning that is closer in line with how humans learn and understand. I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks. "}]},"kind": "ExtractiveSummarization","taskName": "Document Extractive Summarization Task 1","parameters": {"sentenceCount": 6}}]}
    W razie potrzeby wprowadź w poleceniu następujące zmiany:
    Zastąp wartość your-language-resource-key kluczem. 
    Zastąp pierwszą część adresu URL żądania adresem URL your-language-resource-endpoint punktu końcowego. 
    Otwórz okno wiersza polecenia (na przykład: BASH). 
    Wklej polecenie z edytora tekstów do okna wiersza polecenia, a następnie uruchom polecenie. 
    Pobierz element operation-location z nagłówka odpowiedzi. Wartość będzie wyglądać podobnie do następującego adresu URL:
    https://<your-language-resource-endpoint>/language/analyze-text/jobs/12345678-1234-1234-1234-12345678? api-version=2022-10-01-preview
    Aby uzyskać wyniki żądania, użyj następującego polecenia cURL. Pamiętaj, aby zastąpić <my-job-id> wartością liczbową identyfikatora otrzymaną z poprzedniego operation-location nagłówka odpowiedzi:
    curl -X GET https://<your-language-resource-endpoint>/language/analyze-text/jobs/<my-job-id>? api-version=2022-10-01-preview \-H "Ocp-Apim-Subscription-Key: <your-language-resource-key>"
    Przykładowa odpowiedź JSON na podsumowanie dokumentu
    {"jobId": "56e43bcf-70d8-44d2-a7a7-131f3dff069f","lastUpdateDateTime": "2022-09-28T19:33:43Z","createdDateTime": "2022-09-28T19:33:42Z","expirationDateTime": "2022-09-29T19:33:42Z","status": "succeeded","errors": [],"tasks": {"completed": 1,"failed": 0,"inProgress": 0,"total": 1,"items": ["kind": "ExtractiveSummarizationLROResults","lastUpdateDateTime": "2022-09-28T19:33:43. 6712507Z","results": {"sentences": ["text": "At Microsoft, we have been on a quest to advance AI beyond existing techniques, by taking a more holistic, human-centric approach to learning and understanding. ","rankScore": 0. 69,"offset": 0,"length": 160},"text": "In my role, I enjoy a unique perspective in viewing the relationship among three attributes of human cognition: monolingual text (X), audio or visual sensory signals, (Y) and multilingual (Z). 66,"offset": 324,"length": 192},"text": "At the intersection of all three, there’s magic—what we call XYZ-code as illustrated in Figure 1—a joint representation to create more powerful AI that can speak, hear, see, and understand humans better. 63,"offset": 517,"length": 203},"text": "We believe XYZ-code will enable us to fulfill our long-term vision: cross-domain transfer learning, spanning modalities and languages. ","rankScore": 1. 0,"offset": 721,"length": 134},"text": "The goal is to have pre-trained models that can jointly learn representations to support a broad range of downstream AI tasks, much in the way humans do today. 74,"offset": 856,"length": 159},"text": "I believe the joint XYZ-code is a foundational component of this aspiration, if grounded with external knowledge sources in the downstream AI tasks. 49,"offset": 1481,"length": 148}],"warnings": []}],"modelVersion": "latest"}}]}}
    Problem z konwersacją i podsumowanie rozwiązania
    W poniższym przykładzie zaczniesz od problemu z konwersacją i podsumowania rozwiązywania problemów:
    curl -i -X POST https://<your-language-resource-endpoint>/language/analyze-conversations/jobs? api-version=2022-10-01-preview \"displayName": "Conversation Task Example","participantId": "Agent_1"},"text": "Hi, I tried to set up wifi connection for Smart Brew 300 espresso machine, but it didn’t work. ","participantId": "Customer_1"},"participantId": "Agent_1"}],"language": "en"}]},"taskName": "Conversation Task 1","summaryAspects": ["issue"]}},"taskName": "Conversation Task 2","summaryAspects": ["resolution"],"sentenceCount": 1}}]}
    resolution Tylko aspekt obsługuje funkcję sentenceCount. Jeśli nie określisz parametru sentenceCount, model określi długość podsumowania. Należy pamiętać, że sentenceCount jest to tylko przybliżenie liczby zdań podsumowania danych wyjściowych, zakres od 1 do 7. 
    https://<your-language-resource-endpoint>/language/analyze-conversations/jobs/12345678-1234-1234-1234-12345678? api-version=2022-10-01-preview
    curl -X GET https://<your-language-resource-endpoint>/language/analyze-conversations/jobs/<my-job-id>? api-version=2022-10-01-preview \
    Problem z konwersacją i podsumowanie rozwiązania — przykładowa odpowiedź JSON
    "jobId": "02ec5134-78bf-45da-8f63-d7410291ec40","lastUpdatedDateTime": "2022-09-29T17:43:02Z","createdDateTime": "2022-09-29T17:43:01Z","expirationDateTime": "2022-09-30T17:43:01Z","completed": 2,"total": 2,"kind": "conversationalSummarizationResults","lastUpdateDateTime": "2022-09-29T17:43:02. 3584219Z","summaries": ["aspect": "issue","text": "Customer wants to connect their Smart Brew 300 to their Wi-Fi. | The Wi-Fi connection didn't work. "}],"modelVersion": "latest"}},"lastUpdateDateTime": "2022-09-29T17:43:02. 2099663Z","aspect": "resolution","text": "Asked customer to check if the power light is blinking on and off every second. "}],
    Następne kroki
    Jak wywołać podsumowanie dokumentu
    Jak wywołać podsumowanie konwersacji