你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
命名实体识别 (NER) 是 Azure AI 语言提供的功能之一，它是云中机器学习和 AI 算法的集合，可用于开发涉及书面语言的智能应用程序。 NER 功能可以识别非结构化文本中的实体并进行分类。 例如：人员、地点、组织和数量。 预生成的 NER 功能具有预设的已识别实体列表。 使用自定义 NER 功能，可以训练模型以识别特定于用例的专用实体。
典型工作流
若要使用此功能，需要提交数据进行分析并处理应用程序中的 API 输出。 分析按原样执行，不会对数据所用的模型进行额外的自定义。
创建 Azure AI 语言资源，它会授权你访问 Azure AI 语言提供的功能。 它会生成一个密码（称为密钥）和一个终结点 URL，你将使用它们来对 API 请求进行身份验证。
使用 REST API 或 C#、Java、JavaScript 和 Python 的客户端库创建请求。 还可以使用批处理请求发送异步调用，以将多个功能的 API 请求合并到一个调用中。
发送包含文本数据的请求。 密钥和终结点将用于进行身份验证。
在本地流式处理或存储响应。
命名实体识别入门
若要使用命名实体识别，需在应用程序中提交原始非结构化文本进行分析并处理 API 输出。 分析按原样执行，不会对数据所用的模型进行其他自定义。 可通过两种方式使用命名实体识别：
| 开发选项 | 说明 |
|---|---|
| Azure AI Foundry | Azure AI Foundry 是一个基于 Web 的平台，可以让你在注册后通过命名实体识别将文本示例与你自己的数据结合使用。 有关详细信息，请参阅 Azure AI Foundry 网站或 Azure AI Foundry 文档。 |
| REST API 或客户端库 (Azure SDK) | 使用 REST API 或以各种语言提供的客户端库将命名实体识别集成到应用程序中。 有关详细信息，请参阅命名实体识别快速入门。 |
参考文档和代码示例
在应用程序中使用此功能时，请参阅 Azure AI 语言的以下参考文档和示例：
| 开发选项/语言 | 参考文档 | 示例 |
|---|---|---|
| REST API | REST API 文档 | |
| C# | C# 文档 | C# 示例 |
| Java | Java 文档 | Java 示例 |
| JavaScript | JavaScript 文档 | JavaScript 示例 |
| Python | Python 文档 | Python 示例 |
负责任 AI
AI 系统不仅仅是其核心技术。 它还包括运行它的人员、其使用影响的人员以及更广泛的部署上下文。 所有这些互连元素都塑造了 AI 的有效性和结果。 阅读 NER 的透明度说明，了解如何在系统中负责任地使用和部署 AI。 有关详细信息， 请参阅 以下文章：
方案
- 增强搜索功能和搜索索引。 客户可以根据文档中检测到的实体生成知识图，以增强文档搜索作为标记。
- 自动化业务流程 - 可以突出显示保险索赔、已识别的实体（如名称和位置）以方便审阅。 可以从电子邮件中自动提取客户名称和公司，生成支持票证。
- 深入的客户分析。 确定客户在评论、电子邮件和通话中传达的最常用信息，以确定随时间推移的相关主题和趋势。
后续步骤
可以通过两种方式开始使用命名实体识别 (NER) 功能：
- Azure AI Foundry 是一个基于 Web 的平台，可用于使用多种语言服务功能，而无需编写代码。
- 有关使用 REST API 和客户端库 SDK 向服务发出请求的说明，请参阅快速入门文章。