Partager via

Note de transparence pour l’extraction d’expressions clés

Important

Les traductions non anglaises sont fournies uniquement pour des raisons pratiques. Veuillez consulter la version EN-US de ce document pour la version faisant foi.

Qu’est-ce qu’une note de transparence ?

Important

Cet article part du principe que vous êtes familiarisé avec les recommandations et les meilleures pratiques pour Azure AI Language. Pour plus d’informations, consultez la note de transparence pour azure AI Language.

Un système d’IA englobe non seulement la technologie, mais aussi ses utilisateurs, les personnes concernées, et l’environnement dans lequel il est déployé. Créer un système adapté à l’objectif visé exige de bien comprendre comment la technologie fonctionne, de connaître ses capacités et ses limites et de savoir comment atteindre le meilleur niveau de performance. Les notes de transparence de Microsoft sont destinées à vous aider à comprendre le fonctionnement de notre technologie d’IA, les choix que les propriétaires de systèmes peuvent faire et qui influencent les performances et le comportement du système, et l’importance d’appréhender le système dans son ensemble, en englobant la technologie, les personnes et l’environnement. Vous pouvez utiliser les notes de transparence pendant le développement ou le déploiement de votre propre système, ou les partager avec les personnes qui utiliseront votre système ou qui seront affectées par celui-ci.

Les notes de transparence de Microsoft font partie d’un effort plus large de Microsoft pour mettre en pratique nos principes d’IA. Pour en savoir plus, consultez les principes de l’IA responsable de Microsoft.

Présentation de l’extraction d’expressions clés

La fonctionnalité d’extraction de phrases clés du langage Azure AI vous permet d’identifier rapidement les principaux concepts du texte. Par exemple, dans le texte « La nourriture était délicieuse et il y avait un personnel merveilleux », l’extraction de phrases clés retournera les principaux points de discussion : « nourriture » et « personnel merveilleux ». Les mots non essentiels sont écartés, tandis que les termes ou expressions uniques qui semblent être le sujet ou l'objet d'une phrase sont renvoyés.

Notez qu’aucun score de confiance n’est retourné pour cette fonctionnalité, contrairement à d’autres fonctionnalités Azure AI Language.

Exemples de cas d’utilisation

L’extraction de phrases clés est utilisée dans plusieurs scénarios dans divers secteurs d’activité. Voici quelques exemples :

  • Amélioration de la recherche. Les expressions clés peuvent être utilisées pour créer un index de recherche qui peut améliorer les résultats de la recherche. Par exemple, les clients peuvent fournir des milliers de documents, puis exécuter l’extraction d’expressions clés au-dessus de celui-ci à l’aide de la compétence Recherche Azure intégrée. Le résultat de cette opération est les expressions clés du jeu de données d’entrée, qui peuvent ensuite être utilisées pour créer un index. Cet index peut être mis à jour en réécutant la compétence chaque fois qu’un nouvel ensemble de documents est disponible.
  • Afficher les tendances d’agrégation dans les données texte. Par exemple, un cloud de mots peut être généré avec des expressions clés pour vous aider à visualiser les concepts clés dans les commentaires texte ou les commentaires. Par exemple, un hôtel peut générer un nuage de mots en fonction des expressions clés identifiées dans leurs commentaires et peut voir que les personnes commentent le plus fréquemment sur l’emplacement, la propreté et le personnel utile.

Aspects à prendre en considération lors du choix d’un cas d’usage

Ne pas utiliser

  • N’utilisez pas les actions automatiques sans intervention humaine pour les scénarios à haut risque. Une personne doit toujours examiner les données sources lorsque la situation économique, la santé ou la sécurité d’une autre personne est affectée.

Considérations juridiques et réglementaires : les organisations doivent évaluer des obligations légales et réglementaires spécifiques potentielles lors de l’utilisation de services et de solutions IA, ce qui peut ne pas convenir à une utilisation dans chaque secteur ou scénario. En outre, les services ou solutions IA ne sont pas conçus pour et peuvent ne pas être utilisés de manière interdite par les conditions d’utilisation du service applicables et les codes de conduite pertinents.

Caractéristiques et limitations

Selon votre scénario et vos données d’entrée, vous pouvez rencontrer différents niveaux de performances. Les informations suivantes sont conçues pour vous aider à comprendre les concepts clés relatifs aux performances, car elles s’appliquent à l’utilisation de la fonctionnalité d’extraction de phrases clés du langage IA Azure.

Limitations système et meilleures pratiques pour améliorer les performances

Contrairement aux modèles d’autres fonctionnalités d’Azure AI Language, le modèle d’extraction de phrases clés est un modèle non supervisé qui n’est pas entraîné sur des données de référence étiquetées par des humains. Toutes les expressions du nom dans le texte envoyé au service sont détectées, puis classées en fonction de la fréquence et de la co-occurrence. Par conséquent, ce qui est retourné par le modèle peut ne pas convenir de ce qu’un humain choisirait comme expressions les plus importantes. Dans certains cas, le modèle peut apparaître partiellement correct, car un nom est retourné sans l’adjectif qui le modifie.

  • Un texte plus long donnera de meilleurs résultats. Ne divisez pas votre texte source en éléments tels que des phrases ou des paragraphes. Envoyez l’intégralité du texte, par exemple, un avis client complet ou le résumé d'un article.
  • Si votre texte inclut des éléments réutilisables ou d’autres textes qui n’ont aucune pertinence pour le contenu réel que vous essayez d’analyser, les mots de ce texte affectent vos résultats. Par exemple, les e-mails peuvent avoir « Subject : », « Body : », « Sender : », etc. inclus dans le texte. Nous vous recommandons de supprimer tout texte connu qui ne fait pas partie du contenu réel que vous essayez d’analyser avant de l’envoyer au service.

Voir aussi