Explanation:
Box1: 感情分析
感情分析は、文章が肯定的、否定的、または中立的であるかを判断するプロセスです。
ボックス 2: 広範なエンティティの抽出
広範なエンティティの抽出: キーを含む、テキスト内の重要な概念を識別します。 キー フレーズ抽出/広範なエンティティの抽出: キー フレーズや、人、場所、組織などの名前付きエンティティを含む、テキスト内の重要な概念を識別します。
ボックス 3: エンティティの認識
固有表現の認識: テキスト内の固有表現を人、場所、組織、日付/時刻、数量、パーセンテージ、通貨などとして識別して分類します。有名なエンティティも認識され、Web 上の詳細情報にリンクされます。
参照：
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/natural- language-processing
https://azure.microsoft.com/en-us/services/cognitive-services/text-analytics

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/named-entity-recognition
https://docs.microsoft.com/en-us/azure/cognitive-services/text-analytics/how-tos/text-analytics-how-to-sentiment-analysis

説明
予測対真のチャートとは何ですか?
「予測と真」は、回帰問題の予測値とそれに相関する真の値の関係を示します。予測値が y=x 線に近づくほど、予測モデルの精度が高くなるため、このグラフを使用してモデルのパフォーマンスを測定できます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-under-automated-m

情報抽出を自動化することでビジネス プロセスを加速します。Form Recognizer は高度な機械学習を適用して、ドキュメントからテキスト、キーと値のペア、テーブルを正確に抽出します。Form Recognizer は、わずか数個のサンプルを使用して、オンプレミスとクラウドの両方でドキュメントに合わせて理解を調整します。わずかな時間とコストでフォームを使用可能なデータに変換できるため、情報を編集するのではなく、情報の処理により多くの時間を集中できます。
参照：
https://azure.microsoft.com/en-us/services/cognitive-services/form-recognizer/