変更要約: AI-102 第3章を深掘り（図ja化・比較表/シナリオ/FAQ/ひっかけ/深掘り段落を全節に追加）
3.1テキスト分析（Azure AI Language）
文章から意味を取り出す Azure AI Language の学習済み機能——感情分析・キーフレーズ抽出・固有表現認識（NER）・言語検出・PII 検出・要約 を理解します。自然言語処理の土台です。
レビューや問い合わせなどの文章から、感情・キーワード・固有名詞などを自動抽出するのが Azure AI Language です。多くは学習済みで、API を呼ぶだけで使えます。
3.1.1テキスト分析の機能
- 感情分析：文章の肯定/否定/中立を信頼度つきで判定する（オピニオンマイニングも可）。
- キーフレーズ抽出 / 言語検出：重要語句の抽出、入力言語の自動判定。
- 固有表現認識（NER）/ PII 検出：人名・地名・組織・日付などの抽出、個人情報の検出とマスク。
- 要約：長文を抽出型/抽象型で短くまとめる。
「肯定/否定の判定＝感情分析」「重要語句＝キーフレーズ抽出」「人名/地名などの抽出＝NER」「個人情報の検出/マスク＝PII 検出」「言語の自動判定＝言語検出」 は AI-102 で頻出です。これらは学習済みで、独自分類は次節の Conversational/Custom を使います。
Azure AI Language は学習済みとカスタムの両系統を持ちます。学習済みは感情分析（文/側面ごとの オピニオンマイニング）・キーフレーズ抽出・言語検出・NER・PII 検出（カテゴリ別に検出しマスク/編集）・エンティティリンク（Wikipedia 等への曖昧性解消）・要約（抽出型＝原文の重要文を選ぶ／抽象型＝言い換えて生成）・医療向け Text Analytics for health。カスタムは カスタムテキスト分類（単一/複数ラベル）・カスタム NER・会話言語理解（CLU）・カスタム Question Answering で、いずれもラベル付けして学習します。API は 同期（短文）と 非同期（大量・長文の分析ジョブ）に分かれ、複数の分析を 1 リクエストで束ねられます。感情分析は文書単位と文単位でスコアを返し、しきい値で肯定/否定を判定します。「独自カテゴリで仕分け」はカスタムテキスト分類、「意図理解」は CLU、「定型 Q&A」は Question Answering、と用途で選び分けます。
| やりたいこと | 機能 | 種別 |
|---|---|---|
| 肯定/否定の判定 | 感情分析（＋オピニオンマイニング） | 学習済み |
| 個人情報の検出/マスク | PII 検出 | 学習済み |
| 長文を短く | 要約（抽出型/抽象型） | 学習済み |
| 独自カテゴリで仕分け | カスタムテキスト分類 | カスタム |
シナリオ： 問い合わせメールを「肯定/否定」で把握し、本文中の個人情報を伏せ、長文は要約して担当に渡したい。→ 感情分析で評価、PII 検出で個人情報をマスク、要約（抽出型/抽象型）で短縮します。すべて学習済み機能で、1 リクエストに束ねて非同期で処理できます。
FAQ： Q. 抽出型と抽象型の要約の違いは？ → A. 抽出型は原文から重要文をそのまま選ぶ、抽象型は内容を言い換えて新たに生成します。Q. 感情分析とカスタムテキスト分類はどう違う？ → A. 感情は学習済みで肯定/否定など固定。独自ラベル（例：問い合わせ種別）で仕分けるならカスタムテキスト分類です。
ひっかけ： 「独自のカテゴリ分けにも感情分析を使う」は誤りです。感情分析は肯定/否定など固定ラベル。独自分類はカスタムテキスト分類を学習します。また「NER と PII 検出は同じ」も誤り（NER は一般的な固有表現、PII は個人情報に特化し検出/マスクが目的）。
3.1.2この節のまとめ
- Language＝感情/キーフレーズ/NER/PII/言語検出/要約（学習済み）
- 文章から意味・固有名詞・個人情報を抽出
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 商品レビューが肯定的か否定的かを信頼度つきで判定したい。Azure AI Language のどの機能ですか？
Q2. 文章から人名・地名・組織・日付などのエンティティを抽出したい。どの機能ですか？
Q3. 文章に含まれる個人情報（PII）を検出してマスクしたい。どの機能ですか？