Azure Machine Learning - 在 Azure 门户中创建AI搜索技能组

你将了解 Azure AI 搜索中的技能组如何通过添加光学字符识别 (OCR)、图像分析、语言检测、文本翻译和实体识别，在搜索索引中创建可搜索文本的内容。

关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。

环境准备

开始之前，必须具备以下先决条件：

• 具有活动订阅的 Azure 帐户。 免费创建帐户。

• Azure AI 搜索。 [创建服务]或查找现有服务。 可以使用本快速入门的免费服务。

• 具有 Blob 存储的 Azure 存储帐户。

设置数据

在以下步骤中，在 Azure 存储中设置 blob 容器以存储异类内容文件。

1. 下载示例数据，其中包括不同类型的小型文件集。 解压缩文件。

2. 使用 Azure 帐户登录到 Azure 门户。

3. [创建 Azure 存储帐户]或[查找现有帐户]。

   • 选择 Azure AI 搜索所在的同一区域，以避免带宽费用。

   • 选择StorageV2（常规用途 V2）。

4. 在 Azure 门户中，打开 Azure 存储页并创建容器。 可以使用默认的公共访问级别。

5. 在容器中，选择“上传”以上传在第一个步骤中下载的示例文件。 请注意，内容类型非常广泛，包括无法以本机格式进行全文搜索的图像和应用程序文件。
   

现在，你已准备好继续运行“导入数据”向导。

运行“导入数据”向导

1. 使用 Azure 帐户登录到 Azure 门户。

2. 查找搜索服务，并在“概述”页中，选择命令栏上的“导入数据”，通过四个步骤设置认知扩充。
   

步骤 1：创建数据源

1. 在“连接到数据”中，选择“Azure Blob 存储” 。

2. 选择与存储帐户的现有连接，然后选择你创建的容器。 为数据源命名，并对余下的设置使用默认值。
   
   继续转到下一页。

如果收到“从数据源检测索引架构时出错”，则说明支持向导的索引器无法连接到数据源。 数据源很可能具有安全保护。 尝试以下解决方案，然后重新运行向导。

步骤 2：添加认知技能

接下来，配置 AI 扩充来调用 OCR、图像分析和自然语言处理。

1. 对于本快速入门，我们将使用免费的 Azure AI 服务资源。 示例数据包括 14 个文件，因此，Azure AI 服务免费提供的 20 个事务配额足以完成本快速入门。
   
2. 展开“添加扩充”，并做出六项选择。

启用 OCR，将图像分析技能添加到向导页。

选择实体识别（人员、组织和位置）和图像分析技能（标记、字幕）。

继续转到下一页。

步骤 3：配置索引

索引包含可搜索的内容，“导入数据”向导通常可以通过对数据源采样来创建架构。 在此步骤中查看生成的架构，并根据情况修改任何设置。 以下是为演示 Blob 数据集创建的默认架构。

在本快速入门中，向导能够很好地设置合理的默认值：

• 默认字段基于现有 blob 的元数据属性，以及扩充输出的新字段（例如 people、organizations、locations）。 数据类型从元数据和数据采样推断。

• 默认文档键是 metadata_storage_path（由于字段包含唯一值，因此选择了此键）。

• 默认属性为可检索和可搜索。 可搜索允许对字段进行全文搜索。 可检索意味着可以在结果中返回字段值。 向导假设你希望这些字段可检索且可搜索，因为它们是通过技能集创建的。 如果要在筛选表达式中使用字段，请选择“可筛选”。
  
  将某个字段标记为 Retrievable 并不意味着该字段一定会出现在搜索结果中。 通过使用 $select 查询参数指定要包含的字段，可以控制搜索结果的构成。

继续转到下一页。

步骤 4：配置索引器

索引器驱动索引过程。 它指定数据源名称、目标索引和执行频率。 “导入数据”向导将创建多个对象，包括一个可以重置和重复运行的索引器。

1. 在“索引器”页中，可以接受默认名称并选择“一次”来立即运行该索引器。
   
2. 选择“提交”以创建并同时运行索引器。

监视状态

与典型的基于文本的索引相比，认知技能索引编制需要花费更长的时间才能完成，OCR 和图像分析尤其如此。 若要监视进度，请转到“概述”页，然后选择页面中间的“索引器”。

若要查看有关执行状态的详细信息，请从列表中选择一个索引器，然后选择“成功”（或“失败”）以查看执行详细信息。

在此演示中，有一条警告："Could not execute skill because one or more skill input was invalid."。该警告表示数据源中的 PNG 文件不向实体识别提供文本输入。 出现此警告是因为上游 OCR 技能无法识别图像中的任何文本，因此无法为下游实体识别技能提供文本输入。

警告在技能组执行中很常见。 随着你熟悉技能循环访问数据的方式，你可能开始发现规律并了解哪些警告是可以安全忽略的。

搜索浏览器中的查询

创建索引后，请在“搜索浏览器”中运行查询以返回结果。

1. 在搜索服务仪表板页上，选择命令栏上的“搜索浏览器”。

2. 选择顶部的“更改索引”，选择创建的索引。

3. 输入要在其中查询索引的搜索字符串，例如 search=Satya Nadella&$select=people,organizations,locations&$count=true。

随后会返回详细的 JSON 格式的结果，这些结果可能难以阅读，尤其是在大型文档中。 在此工具中搜索时，可以借鉴一些提示，其中包括以下技术：

• 追加 $select 以限制结果中返回的字段。
• 使用 CTRL-F 在 JSON 中搜索特定属性或术语。

查询字符串区分大小写，因此如果收到“未知字段”消息，请检查“字段”或“索引定义(JSON)”以验证名称和大小写。

关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。