ktg-plugin-marketplace/plugins/ms-ai-architect/skills/ms-ai-engineering/references/azure-ai-services/language-services-custom-text-classification.md

Language Services - Custom Text Classification and NER

Last updated: 2026-04 | Verified: MCP 2026-04 Status: GA — avvikles 31. mars 2029

ADVARSEL — TJENESTE AVVIKLES: Custom Text Classification og Custom Named Entity Recognition (NER) avvikles 31. mars 2029. Migrer til Azure AI Foundry-modeller (prompt-basert klassifisering og NER med GPT-4o eller GPT-4.1). Se migrasjonsveiledning for detaljer. Category: Azure AI Services (Foundry Tools)

---

Introduksjon

Custom Text Classification og Custom Named Entity Recognition (NER) er to spesialiserte funksjoner i Azure Language in Foundry Tools som gjør det mulig å bygge skreddersydde maskinlæringsmodeller for tekstanalyse. Tjenestene bruker machine learning-intelligens for å klassifisere dokumenter i egendefinerte kategorier eller for å trekke ut domene-spesifikke entities fra ustrukturert tekst.

Custom Text Classification støtter to typer prosjekter: Single label classification (ett dokument, én kategori) og Multi label classification (ett dokument, flere kategorier). Custom NER gjør det mulig å trene modeller for å gjenkjenne spesialiserte entities som ikke dekkes av standard NER-modellene, for eksempel juridiske termer, produktnavn eller finansielle data.

Begge tjenestene følger samme utviklingslivssyklus: definer schema → merk data → tren modell → evaluer ytelse → deploy → bruk i produksjon. De er tilgjengelige via Microsoft Foundry portal (ai.azure.com) og via REST API/SDK-er for Python, C#, Java og JavaScript. Kvaliteten på merkede data er den viktigste faktoren for modellytelse.

---

Kjernekomponenter / Nøkkelegenskaper

Custom Text Classification

Komponent	Beskrivelse
Single Label Classification	Ett dokument får én kategori (f.eks. "Romance" eller "Comedy")
Multi Label Classification	Ett dokument kan få flere kategorier (f.eks. både "Romance" og "Comedy")
Project	Arbeidsområde for å bygge modeller basert på dine data
Model	Trent objekt som klassifiserer tekst basert på merkede data
Class	Brukerdefinert kategori som indikerer klassifisering av tekst

Custom Named Entity Recognition

Komponent	Beskrivelse
Entity	Domene-spesifikk informasjon som skal trekkes ut (f.eks. kundenavn, lånebeløp)
Project	Arbeidsområde for å bygge entity extraction-modeller
Model	Trent objekt som ekstraherer entities fra tekst
Labeling	Prosess for å merke entities i treningsdata (presisjon, konsistens, komplett dekning)

Felles komponenter

Komponent	Beskrivelse
Training Set	Data brukt til å trene modellen (anbefalt: 80%)
Testing Set	Blindsett for evaluering etter trening (anbefalt: 20%)
Language Resource	Azure-ressurs med managed identity og storage account-tilkobling
Microsoft Foundry	Webportal for visuell utvikling (ai.azure.com)
REST API	Programmatisk tilgang (Authoring API + Runtime API)

Evalueringsmetrikker

Både Custom Text Classification og Custom NER bruker samme metrikker:

Metrikk	Formel	Hva den måler
Precision	TP / (TP + FP)	Hvor mange av de predikerte labels/entities er korrekte
Recall	TP / (TP + FN)	Hvor mange av de faktiske labels/entities ble fanget opp
F1 Score	2 * P * R / (P + R)	Balanse mellom precision og recall

Nivåer: Metrikker beregnes både per class/entity (entity-level) og for hele modellen (model-level).

Eksempel på API-bruk (Python)

Custom Text Classification:

from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential

endpoint = os.environ["AZURE_LANGUAGE_ENDPOINT"]
key = os.environ["AZURE_LANGUAGE_KEY"]
project_name = "movie-classification"
deployment_name = "production"

client = TextAnalyticsClient(endpoint, AzureKeyCredential(key))

document = ["An epic space adventure with stunning visuals and emotional depth."]

poller = client.begin_single_label_classify(
    document,
    project_name=project_name,
    deployment_name=deployment_name
)

result = poller.result()
for doc, classification in zip(document, result):
    print(f"Category: {classification.classifications[0].category}")
    print(f"Confidence: {classification.classifications[0].confidence_score}")

Custom NER:

from azure.ai.textanalytics import TextAnalyticsClient
from azure.core.credentials import AzureKeyCredential

endpoint = os.environ["AZURE_LANGUAGE_ENDPOINT"]
key = os.environ["AZURE_LANGUAGE_KEY"]
project_name = "loan-agreement-extraction"
deployment_name = "production"

client = TextAnalyticsClient(endpoint, AzureKeyCredential(key))

document = ["Borrower John Smith at 5678 Main Rd., City of Frederick."]

poller = client.begin_recognize_custom_entities(
    document,
    project_name=project_name,
    deployment_name=deployment_name
)

result = poller.result()
for doc_result in result:
    for entity in doc_result.entities:
        print(f"Entity: {entity.text}")
        print(f"Category: {entity.category}")
        print(f"Confidence: {entity.confidence_score}")

---

Arkitekturmønstre

Mønster 1: Automatisk E-post/Ticket Triage

Bruksområde: Support-sentre som mottar høyt volum av ustrukturerte henvendelser.

Arkitektur:

• Azure Logic Apps eller Power Automate mottar e-post/tickets
• Custom Text Classification API klassifiserer innholdet
• Automatisk routing til riktig avdeling basert på predikert kategori

Fordeler:

• ✅ Reduserer manuell sortering med 70-90%
• ✅ Raskere responstid for kritiske saker
• ✅ Konsistent prioritering

Ulemper:

• ❌ Krever godt merket treningsdata fra eksisterende tickets
• ❌ Må re-trenes når nye kategorier introduseres
• ❌ Kan feile på tvetydige saker (human-in-the-loop anbefales)

---

Mønster 2: Dokumentinnsikt for Knowledge Mining

Bruksområde: Forbedre søkekvalitet i dokumentrepositorier (kontrakter, forskningsrapporter, etc.).

Arkitektur:

• Azure AI Search indexer crawl-dokumenter
• Custom NER API ekstraherer domene-spesifikke entities (produktnavn, lokasjoner, tall)
• Entities berike Azure AI Search-indeksen
• Brukere søker med facets basert på entities

Fordeler:

• ✅ Semantisk rik søkeopplevelse
• ✅ Facettering på business-spesifikke termer
• ✅ Kobler Custom NER med Azure AI Search seamless

Ulemper:

• ❌ Indexing-latency øker med NER-ekstraksjon
• ❌ Cost per dokument kan bli høy ved store volumer
• ❌ Krever re-indexing ved modell-oppdatering

---

Mønster 3: Compliance og Audit Automation

Bruksområde: Finansielle institusjoner som skal automatisere gjennomgang av låneavtaler eller juridiske dokumenter.

Arkitektur:

• Custom NER ekstraherer kritiske felt (låntaker, beløp, dato, rentesats)
• Custom Text Classification identifiserer dokumenttype (kontrakt, addendum, søknad)
• Downstream-systemer validerer mot forretningsregler
• Alert sendes ved non-compliance

Fordeler:

• ✅ Reduserer manuell gjennomgang fra dager til minutter
• ✅ Konsistent compliance-sjekk
• ✅ Auditlog for alle ekstrakte entities

Ulemper:

• ❌ Krever høy precision (false positives kan gi feil beslutninger)
• ❌ Juridisk ansvar ved feil-ekstraksjon (human review påkrevd)
• ❌ Domene-spesifikk terminologi krever kontinuerlig merking

---

Beslutningsveiledning

Når bruke Custom Text Classification

Scenario	Anbefaling
Klassifisere e-post/tickets i forhåndsdefinerte kategorier	✅ Single Label (én avdeling per ticket)
Tagge artikler med flere emner	✅ Multi Label (samme artikkel kan være både "AI" og "Healthcare")
Sentiment-analyse på norske tekster	⚠️ Vurder standard Sentiment Analysis først (støtter norsk), bruk custom hvis domene-spesifikk sentiment trengs
Klassifisering med <50 merkede eksempler per kategori	❌ For lite data, modellen vil ha lav ytelse

Når bruke Custom NER

Scenario	Anbefaling
Trekke ut standard entities (person, lokasjon, org)	⚠️ Bruk standard NER først (dekker 18+ entity-typer out-of-the-box)
Trekke ut domene-spesifikke entities (produktkoder, juridiske termer)	✅ Custom NER er riktig verktøy
Ekstraksjon fra strukturerte former (tabeller, skjemaer)	⚠️ Vurder Document Intelligence (Form Recognizer) først
Ekstraksjon med <15 merkede eksempler per entity	❌ For lite data, modellen vil ha lav recall

Røde flagg

Problem	Symptom	Løsning
Ambiguity	Flere kategorier/entities overlapper sterkt	Merger kategorier eller legg til flere treningseksempler for skille
Imbalanced Data	En kategori/entity har 90% av dataene	Oversampling av minoritetsklasser eller undersampling av majoritetsklasse
Test Set Leakage	Test set performance >> training set performance	Sjekk at test set ikke ble brukt i trening (data leakage)
Overfitting	Modellen performerer bra på treningsdata men dårlig på nye data	Legg til mer variasjon i treningsdata
Inconsistent Labeling	Samme tekst har forskjellige labels i dataset	Gjennomgå og standardiser labeling-prosessen

Vanlige feil

• ❌ Trene uten data split: Alltid bruk 80/20 split (training/testing) for realistisk evaluering
• ❌ Ignorere confusion matrix: Confusion matrix viser hvilke kategorier/entities som forveksles (kritisk for forbedring)
• ❌ Deploy uten evaluering: Sjekk alltid precision/recall/F1 før deployment
• ❌ Glemme re-training: Modeller degraderer over tid når domenet endrer seg

---

Integrasjon med Microsoft-stakken

Azure AI Foundry

Custom Text Classification og Custom NER er Foundry Tools — de er tilgjengelige både i stand-alone Language Studio og i Azure AI Foundry portal. I Foundry kan du:

• Opprette prosjekt fra unified interface (ai.azure.com)
• Kombinere med andre Azure AI-tjenester i samme workflow
• Bruke Language resource fra Foundry Hub (samme credentials)

Viktig: Language resource må ha Custom text classification & custom named entity recognition feature enabled (krever storage account-tilkobling).

Power Platform

Tjente	Integrasjonsmønster
Power Automate	Custom connector til Language REST API → klassifiser e-post/Teams-meldinger → route flow
Power Apps	Kall Language API fra Power Apps via HTTP connector → vis predikerte kategorier/entities i app
AI Builder	Bruk Document Intelligence for strukturerte skjemaer, Custom NER for ustrukturerte tekster

Microsoft 365 Copilot

Custom Text Classification kan ikke integreres direkte i M365 Copilot (Copilot bruker forhåndstrente modeller). Men du kan:

• Bygge egen Copilot Studio bot som kaller Custom Text Classification API
• Bruke Power Automate-flow trigget av Copilot

Azure AI Search

Integrasjonspunkt	Beskrivelse
Indexing Enrichment	Bruk Custom NER som custom skill i Azure AI Search enrichment pipeline
Facets	Entities ekstrahert av Custom NER blir facets i søket
Query Expansion	Bruk Custom Text Classification til å forbedre query understanding

Eksempel: Azure AI Search → Custom Skill (Custom NER) → Extraherer "ProductCode" entities → Legger til i index → Brukere filtrerer på produktkoder.

Copilot Studio

Bruk Custom Text Classification/NER i Copilot Studio via Power Automate-flow:

1. Bruker sender melding til bot
2. Bot trigger Power Automate-flow
3. Flow kaller Language API (Custom Classification/NER)
4. Returner entities/kategorier til bot
5. Bot bruker informasjonen til å gi relevant svar

---

Offentlig sektor (Norge)

GDPR og datasuverenitet

Krav	Custom Text Classification/NER Compliance
Personopplysninger i treningsdata	⚠️ Treningsdata lagres i Azure Storage Account (må være EU-region for GDPR-compliance)
Personopplysninger i runtime-kall	⚠️ Tekst sendt til API logger ikke, men respons caches i 15 min (kan deaktiveres med loggingOptOut: true)
Data Residency	✅ Bruk Language resource i West Europe eller North Europe for EU-data residency
Right to be Forgotten	⚠️ Treningsdata må slettes manuelt fra Storage Account (Language tjenesten har ikke innebygd RTBF)

Anbefaling for offentlig sektor:

• Bruk West Europe region for Language resource og Storage Account
• Anonymiser treningsdata før merking (erstatt personnavn med placeholders)
• Implementer data retention policy på Storage Account (auto-delete etter X måneder)

Schrems II og dataoverføring

Custom Text Classification/NER har ikke data transfer til USA hvis du:

• ✅ Bruker EU-region (West Europe/North Europe)
• ✅ Kobler Language resource til Storage Account i samme EU-region
• ✅ Ikke bruker globale endpoints (bruk regional endpoint: https://<your-subdomain>.cognitiveservices.azure.com)

⚠️ Viktig: Microsoft kan fortsatt ha support-tilgang fra USA. For sensitive data, vurder Customer Lockbox (krever Enterprise Agreement).

AI Act (EU)

Custom Text Classification/NER faller typisk under "Limited Risk" i AI Act (transparent information påkrevd). Men ved bruk i:

• High-risk: Rekruttering, kredittscoring, offentlige ytelser → Krever AI Act compliance (risikovurdering, mennesketilsyn)
• Generelt: Klar informasjon til bruker om at AI brukes, mennesketilsyn ved kritiske beslutninger

Tiltak:

• Dokumenter modellkvalitet (precision/recall/F1)
• Implementer human-in-the-loop for kritiske beslutninger
• Logg alle prediksjoner for audit-trail

Forvaltningsloven og saksbehandling

Ved bruk i offentlig saksbehandling:

• ✅ Kan brukes til å kategorisere innkommende saker (triage)
• ⚠️ Krever mennesketilsyn før vedtak baseres på klassifisering
• ✅ Anbefales å gi innsyn i hvordan kategorisering skjedde (forklaring av beslutning)

Eksempel: NAV kan bruke Custom Text Classification til å klassifisere søknader, men en saksbehandler må alltid godkjenne før vedtak fattes.

---

Kostnad og lisensiering

Prismodell (Custom Text Classification)

Komponent	Pris (per 1000 text records)
Training	Gratis (men storage account koster)
Prediction API	$1-2 USD per 1000 tekster (avhengig av region og commitment tier)
Storage (treningsdata)	Standard Azure Storage pricing (~$0.02 USD per GB/måned)

Prismodell (Custom NER)

Komponent	Pris (per 1000 text records)
Training	Gratis (men storage account koster)
Prediction API	$1-2 USD per 1000 tekster (avhengig av region og commitment tier)
Storage (treningsdata)	Standard Azure Storage pricing (~$0.02 USD per GB/måned)

Viktig: "Text record" = inntil 1000 characters. Lengre tekster teller som flere records (f.eks. 2500 characters = 3 records).

Free Tier (F0)

Feature	Gratis Tier Limit
Prediction API	5000 text records per måned
Training	Ubegrenset (men storage account må betales)
Deployment	Max 1 deployment per prosjekt

Anbefaling: Bruk F0 for utvikling/testing, oppgrader til Standard (S) for produksjon.

Kostoptimaliseringstips

Teknikk	Besparelse
Batch API	Send flere dokumenter i samme API-kall (opp til 10 dokumenter per request)
Commitment Tier	Betal forhåndsbetalt for 100K-1M text records per måned (10-30% rabatt)
Caching	Implementer egen caching-layer for repeterende tekster (unngå unødvendige API-kall)
Regional pricing	West Europe er billigere enn US East (sjekk pricing calculator)

Eksempel TCO (Total Cost of Ownership)

Scenario: 100 000 tickets per måned, hver 500 characters (= 0.5 text records per ticket)

Komponent	Beregning	Kostnad (USD/måned)
Prediction API	50 000 text records × $2 / 1000	$100
Storage (100 GB treningsdata)	100 GB × $0.02	$2
Total		$102/måned

Sammenligning: Manuell sortering av 100 000 tickets × 2 min per ticket × 400 NOK/time = ~1.3M NOK/måned. ROI er betydelig.

---

For arkitekten (Cosmo)

Spørsmål å stille kunden

1. Datakvalitet: Hvor mange merkede eksempler har du per kategori/entity? (Anbefalt minimum: 50-100 per kategori, 15+ per entity)
2. Ambiguity: Er kategoriene/entities klart separerbare, eller er det overlapp? (Overlapp krever mer data)
3. Multilingual: Trenger du støtte for flere språk? (Custom Classification støtter 100+ språk, men precision faller ved språk-mix)
4. Real-time vs Batch: Trenger du real-time klassifisering/ekstraksjon, eller kan du prosessere i batch? (Batch er billigere)
5. Human-in-the-loop: Vil dere alltid ha mennesketilsyn, eller er full-automatisering målet? (Påvirker arkitektur)
6. Data residency: Må data forbli i Norge/EU? (Påvirker region-valg og compliance)
7. Existing system: Hvilke systemer skal integreres? (Azure AI Search, Power Automate, Copilot Studio?)
8. Performance requirements: Hva er akseptabel precision/recall? (F1 score under 0.7 betyr modellen trenger mer arbeid)

Fallgruver å unngå

Fallgruve	Konsekvens	Mitigering
Starter med for få data	Modell med F1 score <0.5 (ubrukelig)	Samle minst 50-100 eksempler per kategori før trening
Hopper over data splitting	Overfitting, overvurdert performance	Alltid bruk 80/20 split, helst manuell split for konsistens
Ignorerer confusion matrix	Forstår ikke hvilke kategorier/entities som forveksles	Alltid analyser confusion matrix etter trening
Deployer uten testing i produksjonslignende miljø	Modellen fungerer dårlig på real-world data	Test på data fra produksjon (ikke bare test set)
Glemmer re-training	Modell degraderer over tid	Sett opp quarterly re-training med nye data
Overfører treningsdata til USA	GDPR-brudd	Bruk West Europe region og verifiser data residency
Antar at standard NER dekker behov	Bygger custom NER unødvendig	Test standard NER først (dekker person, location, org, quantity, datetime, etc.)

Anbefalinger per modenhetsnivå

Nivå 1: Proof of Concept

• ✅ Bruk Language Studio (webportal) for merking og trening
• ✅ Start med Single Label Classification eller Custom NER (ikke begge samtidig)
• ✅ Bruk F0 Free Tier
• ✅ 50-100 merkede dokumenter totalt (minimum viable dataset)
• ✅ Manuell data split (80/20) for konsistent evaluering
• ⚠️ Aksepter F1 score ned til 0.6 (POC-nivå)

Nivå 2: Pilot i produksjon

• ✅ Flytt til Standard Tier (S) for flere deployments
• ✅ Øk til 200-500 merkede dokumenter per kategori/entity
• ✅ Implementer REST API-integrasjon (ikke webportal)
• ✅ Legg til human-in-the-loop for kritiske saker
• ✅ Sett opp monitoring (Azure Monitor + Application Insights)
• ✅ Mål F1 score >0.75 (pilot-nivå)

Nivå 3: Full produksjon

• ✅ 500-1000+ merkede dokumenter per kategori/entity
• ✅ Kontinuerlig re-training (quarterly eller ved performance drop)
• ✅ A/B-testing av modellversjoner før deployment
• ✅ Implementer active learning (marker nye eksempler basert på lav confidence score)
• ✅ Commitment Tier for kostnadsoptimalisering
• ✅ Mål F1 score >0.85 (produksjon-nivå)
• ✅ Dokumenter modell i ADR (Architecture Decision Record)

Når ikke bruke Custom Text Classification/NER

Scenario	Alternativ
Standard sentiment-analyse (positiv/negativ/nøytral)	Standard Sentiment Analysis (dekker 100+ språk out-of-the-box)
Standard entity extraction (person, lokasjon, org)	Standard NER (dekker 18+ entity typer)
Klassifisering med <50 merkede eksempler	Pre-trained models (f.eks. GPT-4 med zero-shot classification)
Strukturerte skjemaer (tabeller, checkboxes)	Document Intelligence (Form Recognizer)
Conversation understanding (chatbot intents)	Conversational Language Understanding (CLU)

---

Kilder og verifisering

Microsoft Learn-dokumentasjon (Verified via MCP)

URL	Beskrivelse
Custom Text Classification Overview	Hovedoversikt, project lifecycle, eksempel-scenarios
Custom NER Overview	Hovedoversikt, project lifecycle, eksempel-scenarios
Custom Text Classification Quickstart	Steg-for-steg guide for å opprette første prosjekt
Custom NER Quickstart	Steg-for-steg guide for å opprette første prosjekt
Evaluation Metrics for Custom Text Classification	Precision, recall, F1 score, confusion matrix
Evaluation Metrics for Custom NER	Precision, recall, F1 score, entity-level vs model-level
How to Train a Model (Custom Text Classification)	Data splitting, training API, status polling
How to Create Custom NER Project	Resource setup, storage account, identity management
Language Support for Custom Text Classification	100+ språk, multilingual-funksjonalitet

Konfidensnivå per seksjon

Seksjon	Konfidensnivå	Kilde
Introduksjon	✅ Verified	Microsoft Learn (MCP fetch)
Kjernekomponenter	✅ Verified	Microsoft Learn + Code Samples (MCP)
Arkitekturmønstre	⚠️ Baseline	Utledet fra use cases i Microsoft Learn + modellkunnskap
Beslutningsveiledning	⚠️ Baseline	Best practices fra Microsoft Learn + modellkunnskap
Integrasjon	✅ Verified	Microsoft Learn (Foundry, Azure AI Search integration)
Offentlig sektor	⚠️ Baseline	GDPR/AI Act-kunnskap + Azure compliance docs (ikke MCP-verifisert)
Kostnad	⚠️ Baseline	Prismodell fra Azure Pricing Calculator (per 2024 data, ikke 2026-verifisert)
For arkitekten	⚠️ Baseline	Best practices syntetisert fra Microsoft Learn + erfaring

Viktig: Prismodell og compliance-detaljer bør verifiseres mot offisiell Azure Pricing Calculator og Microsoft Trust Center før kundeengasjement.