カスタム NER プロジェクトを作成する方法

2024-11-21

この記事では、カスタム NER を開始するための要件を設定し、プロジェクトを作成する方法について説明します。

前提条件

カスタム NER の使用を開始する前に、次のものが必要です。

Azure サブスクリプション - 無料で作成できます。

"言語" リソースを作成する

カスタム NER の使用を開始する前に、Azure AI Language リソースが必要になります。言語リソースを作成し、Azure portal でストレージアカウントをそのリソースに接続することをお勧めします。 Azure portal でリソースを作成すると、必要なすべてのアクセス許可が事前に構成された状態で、Azure ストレージアカウントを同時に作成することができます。また、既存のリソースを使用し、固有表現認識と連携するようにリソースを構成する方法については、記事の後半を参照してください。

また、エンティティを抽出するためのモデルのトレーニングに使われる .txt ドキュメントをアップロードする Azure ストレージアカウントも必要になります。

注意

言語リソースを作成するには、リソースグループに所有者ロールが割り当てられている必要があります。
既存のストレージアカウントを接続する場合は、所有者ロールが割り当てられている必要があります。

言語リソースを作成し、ストレージアカウントを接続する

リソースは次の方法で作成できます。

Azure ポータル
ランゲージスタジオ
PowerShell

注意

言語リソースにリンクされた後は、ストレージアカウントを別のリソースグループまたはサブスクリプションに移動しないでください。

Azure portal から新しいリソースを作成します

Azure portal にサインインし、新しい Azure AI Language リソースを作成します。
ウィンドウが表示されるので、カスタム機能から [カスタムテキスト分類とカスタム固有表現認識] を選びます。画面の下部にある [続けてリソースの作成を行う] を選択します。

次の詳細を使用して言語リソースを作成します。

名前	説明
サブスクリプション	Azure サブスクリプション。
リソースグループ	リソースが格納されるリソースグループ。既存のものを使用するか、新しく作成することができます。
リージョン	言語リソースのリージョン。たとえば "米国西部 2" にします。
名前	リソースの名前。
価格階層	言語リソースの価格レベル。 Free (F0) レベルを利用してサービスを試用できます。

注意

"ログインアカウントが選択したストレージアカウントのリソースグループの所有者ではない" ことを通知するメッセージが表示された場合は、言語リソースを作成する前に、アカウントでそのリソースグループに所有者ロールを割り当てる必要があります。 Azure サブスクリプションの所有者に問い合わせてください。

[カスタムテキスト分類とカスタム固有表現認識] セクションで、既存のストレージアカウントを選択するか、[新しいストレージアカウント] を選択します。これらの値は使用を開始するためのものであり、必ずしもご自分の運用環境で使用するストレージアカウントの値でありません。プロジェクトのビルド中の待機時間を回避するには、言語リソースと同じリージョンのストレージアカウントに接続します。

ストレージアカウントの値推奨値

ストレージアカウント名任意の名前

ストレージアカウントの種類標準 LRS
[責任ある AI の通知] がオンになっていることを確認します。ページの下部にある [確認と作成] を選択して、[作成] を選択します。

ストレージアカウントの値	推奨値
ストレージアカウント名	任意の名前
ストレージアカウントの種類	標準 LRS

Language Studio から新しい言語リソースを作成する

初めてログインするときは、既存の言語リソースを選択したり、新規に作成したりできるようにするウィンドウが Language Studio に表示されます。また、右上隅にある設定アイコンをクリックし、 [リソース] を選び、 [新しいリソースを作成する] をクリックしてリソースを作成することもできます。

次の詳細を使用して言語リソースを作成します。

インスタンスの詳細	必須値
Azure サブスクリプション	お使いの Azure サブスクリプション
Azure リソースグループ	Azure リソースグループ
Azure リソース名	Azure リソース名
場所	言語リソースのリージョン。
価格階層	言語リソースの価格レベル。

重要

Language リソースを作成する際は、必ず [マネージド ID] を有効にしてください。
責任ある AI 通知を読んで確認する

カスタム固有表現認識を使用するには、Azure ストレージアカウントを作成する必要があります (まだ作成していない場合)。

PowerShell を使用して新しい言語リソースを作成する

新しいリソースとストレージアカウントは、GitHub でホストされる次の CLI テンプレートとパラメーターファイルを使用して作成できます。

パラメーターファイルで次の値を編集します。

パラメーター名	値の説明
`name`	言語リソースの名前
`___location`	リソースがホストされているリージョン。詳細については、サービスの制限に関する記事を参照してください。
`sku`	リソースの価格レベル。
`storageResourceName`	ストレージアカウントの名前
`storageLocation`	ストレージアカウントがホストされているリージョン。
`storageSkuType`	ストレージアカウントの SKU。
`storageResourceGroupName`	ストレージアカウントのリソースグループ

次の PowerShell コマンドを使用して、編集したファイルと共に Azure Resource Manager (ARM) テンプレートをデプロイします。

New-AzResourceGroupDeployment -Name ExampleDeployment -ResourceGroupName ExampleResourceGroup `
  -TemplateFile <path-to-arm-template> `
  -TemplateParameterFile <path-to-parameters-file>

テンプレートのデプロイとパラメーターファイルについて詳しくは、ARM テンプレートのドキュメントを参照してください。

注意

ストレージアカウントを言語リソースに接続するプロセスは元に戻せず、後で切断することはできません。
言語リソースは 1 つのストレージアカウントにのみ接続できます。

既存の言語リソースの使用

既存の言語リソースを使用してカスタム NER の使用を開始できますが、このリソースが以下の要件を満たしている必要があります。

要件	説明
リージョン	サポートされているリージョンのいずれかで既存のリソースがプロビジョニングされていることを確認します。これが行われていない場合、これらのリージョンのいずれかで新しいリソースを作成する必要があります。
価格階層	サポートされる価格レベルの詳細を確認してください。
マネージド ID	リソースのマネージド ID 設定が有効になっていることを確認します。それ以外の場合は、次のセクションを参照してください。

カスタム固有表現認識を使用するには、Azure ストレージアカウントを作成する必要があります (まだ作成していない場合)。

Azure portal を使用して有効にするには、Language リソースに ID 管理が必要です。

言語リソースに移動します
左側のメニューの [リソース管理] セクションで、[ID] を選択します
[システム割り当て済み] タブで、必ず [状態] を [オン] に設定します

カスタム固有表現認識機能を有効にする

Azure portal からカスタムテキスト分類/カスタム固有表現認識機能を有効にしてください。

Azure portal で言語リソースに移動します。
左側のメニューの [リソース管理] セクションで、[機能] を選択します。
カスタムテキスト分類またはカスタム固有表現認識機能を有効にします。
ストレージアカウントに接続します。
[適用] を選択します。

重要

変更を加えるユーザーに、 ストレージ BLOB データ共同作成者 ロールが割り当てられていることを確認します。

必要なロールを追加する

言語リソースとストレージアカウントに必要なロールを設定するには、次の手順に従います。

Azure AI Language リソースのロール

Azure portal でストレージアカウントまたは言語リソースに移動します。
左側のウィンドウで [アクセス制御 (IAM)] を選択します。
[追加] を選択してロールの割り当ての追加を行い、アカウントに適切なロールを選択します。

所有者または共同作成者のロールが言語リソースに割り当てられている必要があります。
[アクセスの割り当て先] 内で、[ユーザー、グループ、またはサービスプリンシパル] を選択します
[メンバーの選択] を選択します
ユーザー名を選択します。 [選択] フィールドでユーザー名を検索できます。すべてのロールに対してこれを繰り返します。
このリソースへのアクセスが必要なすべてのユーザーアカウントに対して、これらの手順を繰り返します。

ストレージアカウントのロール

Azure portal でストレージアカウントのページに移動します。
左側のウィンドウで [アクセス制御 (IAM)] を選択します。
[追加] を選択して [ロールの割り当ての追加] を行い、ストレージアカウントでストレージ BLOB データ所有者ロールを選択します。
[アクセス権の割り当て先] 内で [マネージド ID] を選択します。
[メンバーの選択] を選択します
サブスクリプションを選択し、マネージド ID として [言語] を選択します。 [選択] フィールドでユーザー名を検索できます。

ユーザーのロール

重要

この手順をスキップした場合、カスタムプロジェクトに接続しようとすると 403 エラーが発生します。自分がストレージアカウントの所有者であっても、現在のユーザーがストレージアカウント BLOB データにアクセスするためにこのロールを持っていることが重要です。

Azure portal でストレージアカウントのページに移動します。
左側のウィンドウで [アクセス制御 (IAM)] を選択します。
[追加] を選択して [ロールの割り当ての追加] を行い、ストレージアカウントでストレージ BLOB データ所有者ロールを選択します。
[アクセスの割り当て先] 内で、[ユーザー、グループ、またはサービスプリンシパル] を選択します。
[メンバーの選択] を選択します
ユーザーを選択します。 [選択] フィールドでユーザー名を検索できます。

重要

仮想ネットワークまたはプライベートエンドポイントがある場合は、Azure portal で [信頼されたサービスの一覧にある Azure サービスがこのストレージアカウントにアクセスすることを許可します] を選択してください。

自身のストレージアカウントに対して CORS を有効にする

クロスオリジンリソース共有 (CORS) を有効にする場合は、必ず (GET、PUT、DELETE) メソッドを許可してください。許可されたオリジンフィールドを https://language.cognitive.azure.com に設定します。許可されたヘッダー値に * を追加してすべてのヘッダーを許可し、最大有効期間を 500 に設定します。

カスタム固有表現認識プロジェクトを作成する

リソースとストレージコンテナーを構成したら、新しいカスタム NER プロジェクトを作ります。プロジェクトは、データに基づいてカスタム AI モデルを構築するための作業領域です。プロジェクトにアクセスできるのは、自分と、使用されている Azure リソースへのアクセス権を持つユーザーのみです。ラベル付けされたデータがある場合は、それを使用してプロジェクトのインポートを開始できます。

Language Studio
REST API

Language Studio にサインインします。サブスクリプションと言語リソースを選ぶためのウィンドウが表示されます。上の手順で作成した言語リソースを選択します。
Language Studio の [情報の抽出] セクションで、[カスタム固有表現認識] を選択します。
プロジェクトページの上部メニューから、 [Create new project](新しいプロジェクトの作成) を選択します。プロジェクトを作成すると、データのタグ付け、モデルのトレーニング、評価、改善、デプロイを実行できます。
[新しいプロジェクトの作成] をクリックすると、ストレージアカウントを接続するためのウィンドウが表示されます。既にストレージアカウントを接続している場合は、そのストレージアカウントが表示されます。まだ接続していない場合は、表示されるドロップダウンからストレージアカウントを選択し、[ストレージアカウントの接続] を選択します。これにより、ストレージアカウントに必要なロールが設定されます。ストレージアカウントの所有者として割り当てられていない場合、この手順でエラーが返される可能性があります。
注意
- この手順は、使用する新しいリソースごとに 1 回だけ行う必要があります。
- この処理は元に戻すことができません。ストレージアカウントを言語リソースに接続すると、後で切断することはできません。
- 言語リソースは 1 つのストレージアカウントにのみ接続できます。
名前、説明、プロジェクト内のファイルの言語など、プロジェクト情報を入力します。サンプルデータセットを使用する場合は、[英語] を選択します。プロジェクトの名前は後で変更できません。 [次へ] を選択します

ヒント

データセットは、すべて同じ言語である必要はありません。サポートされる言語がそれぞれ異なる複数のドキュメントを得ることができます。データセットに異なる言語のドキュメントが含まれる場合や、実行時に異なる言語のテキストが必要になると考えられる場合は、プロジェクトの基本情報を入力するときに、[多言語データセットを有効にする] オプションを選択します。このオプションは、後で [プロジェクトの設定] ページから有効にすることができます。
データセットをアップロードしたコンテナーを選択します。既にデータのラベル付けを完了している場合は、それがサポートされている形式に従っていることを確認し、[はい、ファイルは既にラベル付けされており、JSON ラベルファイルを書式設定しています] を選択し、ドロップダウンメニューからラベルファイルを選択します。 [次へ] を選択します。
入力したデータを確認し、 [Create Project](プロジェクトの作成) を選びます。

カスタム固有表現認識モデルを作り始めるには、プロジェクトを作成する必要があります。プロジェクトを作成すると、データのラベル付け、モデルのトレーニング、評価、改善、デプロイを行うことができます。

注意

プロジェクト名は、すべての操作で大文字と小文字が区別されます。

プロジェクトを作成するには、次の URL、ヘッダー、JSON 本文を使って PATCH 要求を作成します。

要求 URL

次の URL を使用してプロジェクトを作成します。次のプレースホルダーを独自の値に置き換えます。

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

プレースホルダー	値	例
`{ENDPOINT}`	API 要求を認証するためのエンドポイント。	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`{API-VERSION}`	呼び出している API のバージョン。参照される値は、最新リリースバージョン用です。詳細については、「モデルのライフサイクル」を参照して、使用可能な他の API バージョンの詳細を確認してください。	`2022-05-01`

要求ヘッダー

要求を認証するには、次のヘッダーを使います。

鍵	必須	タイプ	値
`Ocp-Apim-Subscription-Key`	正しい	ひも	リソースへのキー。 API 要求の認証に使われます。
`Content-Type`	正しい	ひも	application/merge-patch+json

リクエストの本文

要求では次の JSON を使います。次のプレースホルダーを独自の値に置き換えます。

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "CustomEntityRecognition",
  "description": "Project description",
  "multilingual": "True",
  "storageInputContainerName": "{CONTAINER-NAME}"
}

鍵	プレースホルダー	値	例
projectName	`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
言語	`{LANGUAGE-CODE}`	プロジェクトで使用されるドキュメントの言語コードを指定する文字列。プロジェクトが多言語プロジェクトの場合は、ドキュメントで最も頻繁に表される言語のコードを選択します。サポートされている言語コードの詳細については、言語サポートをご覧ください。	`en-us`
プロジェクトの種類	`CustomEntityRecognition`	プロジェクトの種類。	`CustomEntityRecognition`
複数言語	`true`	データセットで複数の言語のドキュメントを得ることを可能とするブール値であり、モデルがデプロイされる場合に、サポートする任意の言語 (必ずしもトレーニングドキュメントに含まれているとは限りません) でモデルに関するクエリを実行することができます。多言語サポートの詳細については、言語サポートをご覧ください。	`true`
ストレージ入力コンテナ名	`{CONTAINER-NAME`	ドキュメントがアップロードされた Azure ストレージコンテナーの名前。	`myContainer`

この要求は 201 応答を返します。つまり、プロジェクトが作成されます。

この要求は、次の場合にエラーを返します。

選んだリソースに、ストレージアカウントに対する適切なアクセス許可がありません。

プロジェクトのインポート

既にデータにラベルを付けた場合は、それを使用してサービスの使用を開始できます。ラベル付けされたデータが、許容されるデータ形式に従っていることを確認します。

Language Studio
REST API

Language Studio にサインインします。サブスクリプションと言語リソースを選ぶためのウィンドウが表示されます。言語リソースを選びます。
Language Studio の [情報の抽出] セクションで、[カスタム固有表現認識] を選択します。
プロジェクトページの上部メニューから、 [Create new project](新しいプロジェクトの作成) を選択します。プロジェクトを作成すると、データのタグ付け、モデルのトレーニング、評価、改善、デプロイを実行できます。
[新しいプロジェクトの作成] を選択すると、ストレージアカウントを接続するための画面が表示されます。ストレージアカウントが見つからない場合は、推奨される手順を使ってリソースを作成したことを確認してください。ストレージアカウントを既に言語リソースに接続している場合は、接続されているストレージアカウントが表示されます。
注意
- この手順は、使用する各言語リソースに対して 1 回のみ行う必要があります。
- この処理は元に戻すことができません。ストレージアカウントを言語リソースに接続すると、後で切断することはできません。
- 言語リソースは 1 つのストレージアカウントにのみ接続できます。
名前、説明、プロジェクト内のファイルの言語など、プロジェクト情報を入力します。プロジェクトの名前は後で変更できません。 [次へ] を選択します。

ヒント

データセットは、すべて同じ言語である必要はありません。サポートされる言語がそれぞれ異なる複数のドキュメントを得ることができます。データセットに異なる言語のドキュメントが含まれる場合や、実行時に異なる言語のテキストが必要になると考えられる場合は、プロジェクトの基本情報を入力するときに、[多言語データセットを有効にする] オプションを選択します。このオプションは、後で [プロジェクトの設定] ページから有効にすることができます。
データセットをアップロードしたコンテナーを選択します。
[はい、ファイルは既にラベル付けされており、JSON ラベルファイルを書式設定しています] を選択し、下のドロップダウンメニューからラベルファイルを選択して JSON ラベルファイルをインポートします。サポートされている形式に従っていることを確認します。
[次へ] を選択します。
入力したデータを確認し、 [Create Project](プロジェクトの作成) を選びます。

ラベルファイルをインポートするには、次の URL、ヘッダー、JSON 本文を使って POST 要求を送信します。ラベルファイルが、許容される形式に従っていることを確認してください。

同じ名前のプロジェクトが既に存在する場合は、そのプロジェクトのデータを置き換えます。

{Endpoint}/language/authoring/analyze-text/projects/{projectName}/:import?api-version={API-VERSION}

プレースホルダー	値	例
`{ENDPOINT}`	API 要求を認証するためのエンドポイント。	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`{API-VERSION}`	呼び出している API のバージョン。ここで参照される値は、リリース済みの最新バージョン用です。使用可能な他の API バージョンの詳細については、モデルのライフサイクルに関するページを参照してください。	`2022-05-01`

ヘッダー

要求を認証するには、次のヘッダーを使います。

鍵	値
`Ocp-Apim-Subscription-Key`	リソースへのキー。 API 要求の認証に使われます。

体

要求では次の JSON を使います。次のプレースホルダーの値を実際の値に置き換えてください。

{
    "projectFileVersion": "{API-VERSION}",
    "stringIndexType": "Utf16CodeUnit",
    "metadata": {
        "projectName": "{PROJECT-NAME}",
        "projectKind": "CustomEntityRecognition",
        "description": "Trying out custom NER",
        "language": "{LANGUAGE-CODE}",
        "multilingual": true,
        "storageInputContainerName": "{CONTAINER-NAME}",
        "settings": {}
    },
    "assets": {
    "projectKind": "CustomEntityRecognition",
        "entities": [
            {
                "category": "Entity1"
            },
            {
                "category": "Entity2"
            }
        ],
        "documents": [
            {
                "___location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 500,
                        "labels": [
                            {
                                "category": "Entity1",
                                "offset": 25,
                                "length": 10
                            },
                            {
                                "category": "Entity2",
                                "offset": 120,
                                "length": 8
                            }
                        ]
                    }
                ]
            },
            {
                "___location": "{DOCUMENT-NAME}",
                "language": "{LANGUAGE-CODE}",
                "dataset": "{DATASET}",
                "entities": [
                    {
                        "regionOffset": 0,
                        "regionLength": 100,
                        "labels": [
                            {
                                "category": "Entity2",
                                "offset": 20,
                                "length": 5
                            }
                        ]
                    }
                ]
            }
        ]
    }
}

鍵	プレースホルダー	値	例
`api-version`	`{API-VERSION}`	呼び出している API のバージョン。ここで使用するバージョンは、URL 内と同じ API バージョンである必要があります。その他の利用可能な API バージョンの詳細を確認する	`2022-03-01-preview`
`projectName`	`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`projectKind`	`CustomEntityRecognition`	プロジェクトの種類。	`CustomEntityRecognition`
`language`	`{LANGUAGE-CODE}`	プロジェクトで使用されるドキュメントの言語コードを指定する文字列。プロジェクトが多言語プロジェクトの場合は、ほとんどのドキュメントの言語コードを選択します。	`en-us`
`multilingual`	`true`	データセットに複数の言語のドキュメントを含め、モデルをデプロイするときに、サポートされている任意の言語 (トレーニングドキュメントに含まれているとは限りません) でモデルにクエリを実行できるブール値です。多言語サポートの詳細については、「言語サポート」を参照してください。	`true`
`storageInputContainerName`	{コンテナーの名前}	ドキュメントをアップロードした Azure ストレージコンテナーの名前。	`myContainer`
`entities`		プロジェクト内にあるすべてのエンティティ型を含めた配列。これらは、ドキュメントから抽出されるエンティティ型です。
`documents`		プロジェクト内のすべてのドキュメントと、各ドキュメント内でラベル付けされたエンティティのリストを含む配列。	[]
`___location`	`{DOCUMENT-NAME}`	ストレージコンテナー内のドキュメントの場所。すべてのドキュメントはコンテナーのルートに含まれているので、これはドキュメント名にする必要があります。	`doc1.txt`
`dataset`	`{DATASET}`	トレーニング前に分割されるときにこのファイルが移動するテストセット。データを分割する方法の詳細については、「モデルをトレーニングする方法」を参照してください。このフィールドで使用できる値は `Train` および `Test` です。	`Train`

API 要求を送信すると、ジョブが正しく送信されたことを示す 202 応答を受け取ります。応答ヘッダーで、operation-___location の値を抽出します。それは次のように書式設定されています。

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

この操作は非同期であるため、{JOB-ID} を使って要求が識別されます。この URL を使用してインポートジョブの状態を取得します。

この要求で考えられるエラーシナリオ:

選択されたリソースに、ストレージアカウントに対する適切なアクセス許可がありません。
指定された storageInputContainerName が存在しません。
無効な言語コードが使用されているか、言語コードの種類が文字列でない場合。
multilingual 値は文字列であり、ブール値ではありません。

プロジェクトの詳細を取得する

Language Studio
REST API

Language Studio で [プロジェクト設定] ページに移動します。
プロジェクトの詳細を確認できます。
このページでは、プロジェクトの説明を更新し、プロジェクト設定で多言語データセットを有効または無効にすることができます。
また、言語リソースに接続されているストレージアカウントとコンテナーを表示することもできます。
このページから主なリソースキーを取得することもできます。

次の GET 要求を使用して、プロジェクトの詳細を取得します。次のプレースホルダーの値を実際の値に置き換えてください。

{ENDPOINT}/language/authoring/analyze-text/projects/{PROJECT-NAME}?api-version={API-VERSION}

プレースホルダー	値	例
`{ENDPOINT}`	API 要求を認証するためのエンドポイント。	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`{API-VERSION}`	呼び出している API のバージョン。使用可能な他の API バージョンの詳細については、モデルのライフサイクルに関するページを参照してください。	`2022-05-01`

ヘッダー

要求を認証するには、次のヘッダーを使います。

鍵	値
`Ocp-Apim-Subscription-Key`	リソースへのキー。 API 要求の認証に使われます。

応答本文

    {
        "createdDateTime": "2021-10-19T23:24:41.572Z",
        "lastModifiedDateTime": "2021-10-19T23:24:41.572Z",
        "lastTrainedDateTime": "2021-10-19T23:24:41.572Z",
        "lastDeployedDateTime": "2021-10-19T23:24:41.572Z",
        "projectKind": "CustomEntityRecognition",
        "storageInputContainerName": "{CONTAINER-NAME}",
        "projectName": "{PROJECT-NAME}",
        "multilingual": false,
        "description": "Project description",
        "language": "{LANGUAGE-CODE}"
    }

値	プレースホルダー	説明	例
`projectKind`	`CustomEntityRecognition`	プロジェクトの種類。	`CustomEntityRecognition`
`storageInputContainerName`	`{CONTAINER-NAME}`	ドキュメントをアップロードした Azure ストレージコンテナーの名前。	`myContainer`
`projectName`	`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`multilingual`	`true`	データセットに複数の言語のドキュメントを含め、モデルをデプロイするときに、サポートされている任意の言語 (トレーニングドキュメントに含まれているとは限りません) でモデルにクエリを実行できるブール値です。多言語サポートの詳細については、「言語サポート」を参照してください。	`true`
`language`	`{LANGUAGE-CODE}`	プロジェクトで使用されるドキュメントの言語コードを指定する文字列。プロジェクトが多言語プロジェクトの場合は、ほとんどのドキュメントの言語コードを選択します。	`en-us`

API 要求を送信すると、成功を示す 200 応答とプロジェクトの詳細を含む JSON 応答本文が返されます。

プロジェクトの削除

Language Studio
REST API

プロジェクトが不要な場合は、Language Studio を使ってプロジェクトを削除できます。上部の [カスタム固有表現認識 (NER)] を選択し、削除するプロジェクトを選択して、上部のメニューから [削除] を選択します。

プロジェクトが不要になったら、次の DELETE 要求で削除できます。プレースホルダーの値は、実際の値に置き換えます。

{Endpoint}/language/authoring/analyze-text/projects/{projectName}?api-version={API-VERSION}

プレースホルダー	値	例
`{ENDPOINT}`	API 要求を認証するためのエンドポイント。	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	プロジェクトの名前。この値は、大文字と小文字が区別されます。	`myProject`
`{API-VERSION}`	呼び出している API のバージョン。ここで参照される値は、リリース済みの最新バージョン用です。使用可能な他の API バージョンの詳細については、モデルのライフサイクルに関するページを参照してください。	`2022-05-01`

ヘッダー

要求を認証するには、次のヘッダーを使います。

鍵	値
Ocp-Apim-Subscription-Key	リソースへのキー。 API 要求の認証に使われます。

API 要求を送信すると、成功を示す 202 応答を受け取ります。これは、プロジェクトが削除されたことを意味します。呼び出しが成功すると、ジョブの状態を確認するために使用する Operation-Location ヘッダーが返されます。

次の手順

データのラベル付けに使用するプロジェクトスキーマを把握しておく必要があります。
プロジェクトが作成された後、データのラベル付けを開始できます。これにより、エンティティ抽出モデルにテキストを解釈する方法が伝えられ、トレーニングと評価に使用されます。

次の方法で共有

カスタム NER プロジェクトを作成する方法

前提条件

"言語" リソースを作成する

言語リソースを作成し、ストレージ アカウントを接続する

Azure portal から新しいリソースを作成します

Language Studio から新しい言語リソースを作成する

PowerShell を使用して新しい言語リソースを作成する

既存の言語リソースの使用

リソースの ID 管理を有効にする

カスタム固有表現認識機能を有効にする

必要なロールを追加する

Azure AI Language リソースのロール

ストレージ アカウントのロール

ユーザーのロール

自身のストレージ アカウントに対して CORS を有効にする

カスタム固有表現認識プロジェクトを作成する

プロジェクトのインポート

プロジェクトの詳細を取得する

プロジェクトの削除

次の手順

フィードバック

その他のリソース

言語リソースを作成し、ストレージアカウントを接続する

ストレージアカウントのロール

自身のストレージアカウントに対して CORS を有効にする