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。

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。
使用 Azure 帐户登录到 Azure 门户。
[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）。
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。
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

使用 Azure 帐户登录到 Azure 门户。
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

在"连接到数据"中，选择"Azure Blob 存储" 。
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。

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。
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。

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。
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。

在搜索服务仪表板页上，选择命令栏上的"搜索浏览器"。
选择顶部的"更改索引"，选择创建的索引。
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。