* Azure で言語サービス リソースをプロビジョニングします。
* オンプレミス サーバーに Docker コンテナをデプロイします。
* コンテナを実行し、予測エンドポイントをクエリします。
* Microsoftのドキュメントによると、言語サービスは、感情分析、キーフレーズ抽出、
* エンティティ認識など。言語リソースの作成の手順に従って、Azure で言語サービス リソースをプロビジョニングできます。リソースの名前、サブスクリプション、リソース グループ、リージョン、価格レベルを指定する必要があります。また、リソースのキーとエンドポイントも取得します。これらを使用して、言語サービス API への要求を認証します。
* Microsoft のドキュメントによると、Language サービスを自社のオンプレミスまたは別のクラウドのコンテナーとして使用することもできます。このオプションを使用すると、データとネットワークをより細かく制御でき、インターネットに接続せずに Language サービスを使用できます。Language コンテナーのデプロイの手順に従って、オンプレミス サーバーに Docker コンテナーをデプロイできます。サーバーに Docker をインストールし、Microsoft Container Registry からコンテナー イメージをプルして、適切なパラメーターでコンテナーを実行する必要があります。また、Azure リソースのキーとエンドポイントを使用してコンテナーをアクティブ化する必要もあります。
* Microsoft のドキュメントによると、コンテナーをデプロイしてアクティブ化したら、コンテナーを実行して予測エンドポイントをクエリし、感情分析の結果を取得できます。予測エンドポイントは、次の形式に従うローカル URL です: http://<コンテナー IP アドレス>:<ポート>/text/analytics/v3.1-preview.4/sentiment。このエンドポイントに、JSON 形式のテキスト入力を含む HTTP POST 要求を送信し、入力内の各ドキュメントと文の感情ラベルとスコアを含む JSON 応答を受信できます。