Esplorare un indice di Azure AI Search (interfaccia utente)

Si supponga di lavorare per Fourth Coffee, una catena nazionale di caffetterie. Viene chiesto di creare una soluzione di knowledge mining che semplifichi la ricerca di informazioni dettagliate sulle esperienze dei clienti. Si decide di creare un indice di Azure AI Search usando i dati estratti dalle recensioni dei clienti.

In questo lab si eseguiranno le operazioni seguenti:

  • Creazione di risorse Azure
  • Estrazione dei dati da un’origine dati
  • Arricchimento dei dati con competenze di intelligenza artificiale
  • Uso dell’indicizzatore di Azure nel portale di Azure
  • Query sull’indice di ricerca
  • Revisione dei risultati salvati in un archivio conoscenze

Risorse di Azure necessarie

La soluzione che verrà creata per Fourth Coffe richiede le risorse seguenti nella sottoscrizione di Azure:

  • Una risorsa di Azure AI Search, che gestirà l’indicizzazione e l’esecuzione di query.

  • Una risorsa Servizi di Azure AI, che fornisce servizi di intelligenza artificiale per le competenze che la soluzione di ricerca può usare per arricchire i dati nell’origine dati con informazioni dettagliate generate dall’intelligenza artificiale.

    Nota Le risorse di Azure AI Search e dei Servizi di Azure AI devono trovarsi nella stessa posizione.

  • Un account di archiviazione con contenitori BLOB, in cui verranno archiviati documenti non elaborati e altre raccolte di tabelle, oggetti o file.

  1. Accedere al portale di Azure.

  2. Fare clic sul pulsante + Crea una risorsa, cercare Azure AI Search e creare una risorsa di Azure AI Search con le impostazioni seguenti:

    • Sottoscrizione: la sottoscrizione di Azure usata.
    • Gruppo di risorse: selezionare o creare un nuovo gruppo di risorse con un nome univoco.
    • Nome del servizio: un nome univoco.
    • Località: scegliere un’area tra quelle disponibili. Se negli Stati Uniti orientali usare “Stati Uniti orientali 2”.
    • Piano tariffario: Basic.

  3. Selezionare Rivedi e crea e, dopo aver visualizzato la risposta Convalida completata, selezionare Crea.

  4. Al completamento della distribuzione, selezionare Vai alla risorsa. Nella pagina di panoramica di Azure AI Search è possibile aggiungere indici, importare dati e cercare gli indici creati.

Creare una risorsa Servizi di Azure Ai

Sarà necessario effettuare il provisioning di una risorsa di Azure AI Search nella stessa posizione della risorsa di Azure AI Search. La soluzione di ricerca userà questa risorsa per arricchire i dati nell’archivio dati con informazioni dettagliate generate dall’intelligenza artificiale.

  1. Tornare alla pagina iniziale del portale di Azure. Fare clic sul pulsante ＋Crea una risorsa e cercare Servizi di Azure Ai. Selezionare Crea un piano di Servizi di Azure AI. Verrà visualizzata una pagina per creare una risorsa Servizi di Azure AI. Eseguire la configurazione con le seguenti impostazioni:
    • Sottoscrizione: la sottoscrizione di Azure usata.
    • Gruppo di risorse: lo stesso gruppo di risorse della risorsa di Azure AI Search.
    • Area: la stessa posizione della risorsa di Azure AI Search.
    • Nome: un nome univoco.
    • Piano tariffario: Standard S0.
    • Selezionando questa casella, confermo di aver letto e compreso tutte le condizioni seguenti: selezionata

  2. Selezionare Rivedi e crea. Dopo aver visualizzato la risposta Convalida superata, selezionare Crea.

  3. Attendere il completamento della distribuzione, quindi visualizzare i relativi dettagli.

Creare un account di archiviazione

  1. Tornare alla pagina iniziale del portale di Azure e quindi selezionare il pulsante + Crea una risorsa.

  2. Cercare account di archiviazione e creare una risorsa Account di archiviazione con le impostazioni seguenti:
    • Sottoscrizione: la sottoscrizione di Azure usata.
    • Gruppo di risorse: lo stesso gruppo di risorse delle risorse di Azure AI Search e dei Servizi di Azure AI.
    • Nome account di archiviazione: un nome univoco.
    • Posizione: scegliere una delle posizioni disponibili.
    • Prestazioni: standard
    • Ridondanza: archiviazione con ridondanza locale

  3. Fare clic su Rivedi e quindi su Crea. Attendere il completamento della distribuzione e quindi passare alla risorsa distribuita.

  4. Nell’account di archiviazione di Azure creato, nel riquadro del menu a sinistra selezionare Configurazione (in Impostazioni).
  5. Modificare l’impostazione Allow Blob anonymous access (Consenti l’accesso BLOB anonimo) su Abilitato e selezionare Salva.

Caricare documenti in Archiviazione di Azure

  1. Nel riquadro del menu a sinistra selezionare Contenitori.

    Screenshot che mostra la pagina di panoramica del BLOB di archiviazione.

  2. Selezionare + Contenitore. Viene aperto un riquadro sulla destra.

  3. Immettere le impostazioni seguenti e quindi fare clic su Crea:
    • Nome: coffee-reviews
    • Livello di accesso pubblico: Contenitore (accesso in lettura anonimo per contenitori e BLOB)
    • Avanzate: nessuna modifica.

  4. In una nuova scheda del browser scaricare zipped coffee reviews da https://aka.ms/mslearn-coffee-reviews ed estrarre i file nella cartella reviews.

  5. Nel portale di Azure selezionare il contenitore coffee-reviews. Nel contenitore selezionare Carica.

    Screenshot che mostra un contenitore di archiviazione.

  6. Nel riquadro Carica BLOB selezionare Seleziona un file.

  7. Nella finestra di esplorazione selezionare tutti i file nella cartella reviews, selezionare Apri e quindi selezionare Carica.

    Screenshot che mostra i file caricati su un contenitore di Azure.

  8. Al termine del caricamento è possibile chiudere il riquadro Carica BLOB. I documenti si trovano ora nel contenitore di archiviazione coffee-reviews.

Indicizzare i documenti

Quando i documenti sono nella risorsa di archiviazione, è possibile usare Azure AI Search per estrarre informazioni dettagliate dai documenti. Il portale di Azure fornisce una procedura guidata Importa dati. Grazie a questa procedura guidata è possibile creare automaticamente un indice e un indicizzatore per le origini dati supportate. Si userà la procedura guidata per creare un indice e importare i documenti di ricerca dalla risorsa di archiviazione all’indice di Azure AI Search.

  1. Nel portale di Azure passare alla risorsa di Azure AI Search. Nella pagina Panoramica selezionare Importa dati.

    Screenshot che mostra la procedura guidata per l'importazione di dati.

  2. Nella pagina Definisci la connessione ai dati selezionare Archiviazione BLOB di Azure nell’elenco Origine dati. Completare i dettagli dell’archivio dati con i valori seguenti:
    • Origine dati: Archiviazione BLOB di Azure
    • Nome origine dati: coffee-customer-data
    • Dati da estrarre: contenuto e metadati
    • Modalità di analisi: impostazione predefinita
    • Stringa di connessione: *selezionare Scegliere una connessione esistente. Selezionare l’account di archiviazione, selezionare il contenitore coffee-reviews e quindi fare clic su Seleziona.
    • Autenticazione identità gestita: Nessuna
    • Nome contenitore: questa impostazione viene popolata automaticamente dopo aver scelto una connessione esistente.
    • Cartella BLOB: lasciare vuoto questo campo.
    • Descrizione: Reviews for Fourth Coffee shops.

  3. Selezionare Avanti: Aggiungi competenze cognitive (facoltativo).

  4. Nella sezione Collega Servizi di IA, selezionare la risorsa di Servizi di Azure AI.

  5. Nella sezione Aggiungi arricchimenti:
    • Modificare il Nome del set di competenze in coffee-skillset.
    • Selezionare la casella di controllo Abilita OCR e unisci tutto il testo nel campo merged_content.

      Nota: è importante selezionare Abilita OCR per visualizzare tutte le opzioni dei campi arricchiti.

    • Assicurarsi che il Campo dei dati di origine sia impostato su merged_content.
    • Impostare Livello di granularità dell’arricchimento su Pagine (blocchi da 5000 caratteri).
    • Non selezionare Abilita arricchimento incrementale

    • Selezionare i campi arricchiti seguenti:

      Competenza cognitiva Parametro Nome del campo
      Estrai nomi di località   locations
      Estrarre le espressioni chiave   keyphrase
      Rileva valutazione   Valutazione
      Genera tag dalle immagini   imageTags
      Genera sottotitoli in altre lingue dalle immagini   imageCaption
  6. In Salva arricchimenti in un archivio conoscenze selezionare:
    • Proiezioni immagini
    • Documenti
    • Pagine
    • Frasi chiave
    • Entità
    • Dettagli immagine
    • Riferimenti alle immagini

    Nota Viene visualizzato un avviso che richiede una stringa di connessione a account di archiviazione.

    Screenshot che mostra un avviso nella schermata di connessione dell'account di archiviazione con l'opzione "Scegli una connessione esistente" selezionata.

  7. Selezionare Scegliere una connessione esistente. Scegliere l’account di archiviazione creato in precedenza.
    1. Fare clic su + Contenitore per creare un nuovo contenitore denominato** knowledge-store** con il livello di privacy impostato su Privato e quindi selezionare Crea.
    2. Selezionare il contenitore knowledge-store e quindi fare clic su Seleziona nella parte inferiore della schermata.

  8. Selezionare Azure blob projections: Document (Proiezioni BLOB di Azure: documento). Viene visualizzata un’impostazione Nome del contenitore con il contenitore knowledge-store popolato automaticamente. Non modificare il nome del contenitore.

  9. Selezionare Avanti: Personalizza indice di destinazione. Modificare il Nome indice in coffee-index.

  10. Assicurarsi che l’opzione Chiave sia impostata su metadata_storage_path. Lasciare vuoto Nome dello strumento suggerimenti e lasciare Modalità di ricerca popolata automaticamente.

  11. Esaminare le impostazioni predefinite dei campi dell’indice. Selezionare Filtrabile per tutti i campi già selezionati per impostazione predefinita. I nomi dei campi che devono essere contrassegnati filtrabili includono: contenuto, posizioni, keyphrase, valutazione, merged_content, text, layoutText, imageTags, imageCaption.

    Screenshot che mostra il riquadro Indice personalizzato con il nome dell'indice già inserito e il parametro "Filtrabile" selezionato per un campo di indice predefinito.

  12. Seleziona Successivo: Crea un indicizzatore.

  13. Modificare il Nome indicizzatore in coffee-indexer.

  14. Lasciare la Pianificazione impostata su Una volta.

  15. Espandere le opzioni Avanzate. Assicurarsi che sia selezionata l’opzione Chiavi di codifica Base 64 perché le chiavi di codifica possono rendere l’indice più efficiente.

  16. Selezionare Invia per creare l’origine dati, il set di competenze, l’indice e l’indicizzatore. L’indicizzatore viene eseguito automaticamente ed esegue la pipeline di indicizzazione, che:
    • Estrae il contenuto e i campi dei metadati del documento dall’origine dati.
    • Esegue il set di competenze cognitive per generare campi più arricchiti.
    • Esegue il mapping all’indice dei campi estratti.

  17. Tornare alla pagina della risorsa di Azure AI Search. Nel riquadro sinistro in Gestione ricercaselezionare Indicizzatori. Selezionare coffee-indexer appena creato. Attendere un minuto e selezionare ↻ Aggiorna finché Stato non indica l’esito positivo.

  18. Selezionare il nome dell’indicizzatore per visualizzare altri dettagli.

    Screenshot che mostra l'indicizzatore coffee-indexer creato correttamente.

Eseguire una query sull’indice

Usare Esplora ricerche per scrivere e testare le query. Esplora ricerche è uno strumento integrato nel portale di Azure, che offre un modo semplice per convalidare la qualità dell’indice di ricerca. È possibile usare Esplora ricerche per scrivere le query ed esaminare i risultati in JSON.

  1. Nella pagina Panoramica del servizio di ricerca selezionare Esplora ricerche nella parte superiore della schermata.

    Screenshot che mostra come trovare Esplora ricerche.

  2. Si noti che l’indice selezionato è l’indice coffee-index creato. Sotto l’indice selezionato, modificare la vista in Visualizzazione JSON.

    Screenshot di Esplora ricerche.

Nel campo Editor di query JSON copiare e incollare:

{
    "search": "*",
    "count": true
}

  1. Seleziona Cerca. La query di ricerca restituisce tutti i documenti nell’indice di ricerca, incluso un conteggio di tutti i documenti nel campo @odata.count. L’indice di ricerca dovrebbe restituire un documento JSON contenente i risultati della ricerca.

  2. È il momento di applicare un filtro in base alla località. Nel campo Editor di query JSON copiare e incollare: 
    {
 "search": "locations:'Chicago'",
 "count": true
}

  3. Seleziona Cerca. La query cerca tutti i documenti nell’indice e filtra le recensioni con località Chicago. 3 dovrebbe essere visualizzato nel campo @odata.count.

  4. È il momento di applicare un filtro in base al sentiment. Nel campo Editor di query JSON copiare e incollare: 
    {
 "search": "sentiment:'negative'",
 "count": true
}

  5. Seleziona Cerca. La query cerca tutti i documenti nell’indice e filtra le recensioni con sentiment negativo. 1 dovrebbe essere visualizzato nel campo @odata.count.

    Nota: notare come i risultati vengono ordinati in base a @search.score. Questo è il punteggio assegnato dal motore di ricerca per visualizzare il livello di corrispondenza dei risultati rispetto alla query specificata.

  6. Uno dei potenziali problemi da risolvere è il perché di determinate recensioni. Si esamineranno ora le frasi chiave associate alla recensione negativa. Quale si ritiene che possa essere il motivo della recensione?

Esaminare l’archivio conoscenze

È il momento di esaminare le potenzialità dell’archivio conoscenze. Quando è stata eseguita la procedura guidata Importa dati, è stato creato anche un archivio conoscenze. All’interno dell’archivio conoscenze i dati arricchiti estratti dalle competenze di intelligenza artificiale sono conservati sotto forma di proiezioni e tabelle.

  1. Nel portale di Azure tornare all’account di archiviazione di Azure.

  2. Nel riquadro del menu a sinistra selezionare Contenitori. Selezionare il contenitore knowledge-store.

    Screenshot del contenitore knowledge-store.

  3. Verrà visualizzato un elenco di cartelle. Esiste una cartella per tutti i metadati per ogni documento di revisione. Selezionare una delle cartelle. Nella cartella, fare clic sul file objectprojection.json.

    Screenshot di objectprojection.json.

  4. Selezionare Modifica per visualizzare il codice JSON generato per uno dei documenti dall’archivio dati di Azure.

    Screenshot della procedura per trovare il pulsante di modifica.

  5. Selezionare il percorso di navigazione del BLOB di archiviazione nella parte superiore sinistra della schermata per tornare all’account di archiviazione Contenitori.

    Screenshot del percorso di navigazione del BLOB di archiviazione.

  6. In Contenitori selezionare il contenitore coffee-skillset-image-projection. Selezionare uno degli elementi.

    Screenshot del contenitore del set di competenze.

  7. Selezionare uno dei file con estensione jpg. Selezionare Modifica per visualizzare l’immagine archiviata nel documento. Si noti che tutte le immagini dei documenti vengono archiviate in questo modo.

    Screenshot dell'immagine salvata.

  8. Selezionare il percorso di navigazione del BLOB di archiviazione nella parte superiore sinistra della schermata per tornare all’account di archiviazione Contenitori.

  9. Selezionare Browser archiviazione nel pannello a sinistra e selezionare Tabelle. È presente una tabella per ogni entità dell’indice. Selezionare la tabella coffeeSkillsetKeyPhrases.

    Esaminare le frasi chiave che l’archivio conoscenze è riuscito ad acquisire dal contenuto delle recensioni. Molti dei campi sono chiavi, quindi è possibile collegare le tabelle come in un database relazionale. L’ultimo campo mostra le frasi chiave estratte dal set di competenze.

Altre informazioni

Questo semplice indice di ricerca rappresenta solo alcune delle funzionalità di Azure AI Search. Per altre informazioni su cosa è possibile fare con questo servizio, vedere la pagina del servizio Azure AI Search.