OCI Language

解決する課題

• 大量のテキスト（レビュー・問い合わせ・SNS投稿など）から意味を抽出したいが、NLPモデルの自作・学習は負担が大きい
• 文章の感情（ポジティブ/ネガティブ）や話題を機械的に判定したい
• 文中の人名・組織名・地名・日付などの固有表現を構造化データとして取り出したい
• 多言語のテキストに対し、まず言語を自動判定したい

OCI Language は、これらを事前学習済みモデルへの API 呼び出しだけで実現します。データサイエンスの専門知識やモデルの訓練なしに、アプリケーションへ自然言語処理を組み込めます。

主要概念と用語

• 感情分析（Sentiment Analysis）: 文章全体や対象（アスペクト）ごとに、肯定・否定・中立の傾向とスコアを返す
• エンティティ抽出（Named Entity Recognition）: テキスト中の人名・組織・場所・日付・数量などの固有表現を識別する
• キーフレーズ抽出（Key Phrase Extraction）: 文章の要点となる語句を抽出する
• 言語検出（Language Detection）: 入力テキストの言語を推定する
• テキスト分類（Text Classification）: 文書をあらかじめ定義されたトピックへ分類する
• PII 検出: 個人を特定し得る情報（氏名・連絡先など）を検出してマスキングに役立てる
• 事前学習済みモデル（Pretrained Model）: 学習不要で即利用できる汎用モデル
• カスタムモデル: 自前のラベル付きデータで追加学習し、固有のドメインに合わせたモデルを作る仕組み
• 同期 API / 非同期（バッチ）ジョブ: 短いテキストは同期呼び出し、大量・長文はオブジェクトストレージ連携の非同期ジョブで処理する

仕様・制限・クォータ

• REST API・各言語の SDK・oci CLI から呼び出せるリージョン単位のサービス
• 1 リクエストあたりのテキスト長や件数に上限があり、超える場合は分割または非同期ジョブを用いる
• 解析機能ごとに対応言語の範囲が異なるため、利用前に対象言語のサポート状況を確認する
• 同期 API にはスループット（スロットリング）上限があり、大量処理は非同期ジョブが前提
• 具体的なリクエストレートやテキスト長の上限値はリージョンや時期で変わり得るため、最新の公式ドキュメントで確認すること

内部の仕組み

OCI Language は、Oracle が運用する事前学習済みの自然言語処理モデルをマネージドなエンドポイントとして提供します。利用者はインフラやモデルの保守を意識せず、テキストを送るだけで解析結果（ラベルとスコア）を受け取れます。

同期 API ではリクエスト内のテキストをその場で推論し結果を返します。非同期ジョブでは、入力テキストをオブジェクトストレージに置き、ジョブが完了すると結果を同じくオブジェクトストレージへ出力します。カスタムモデルを使う場合は、ラベル付きデータで追加学習を行い、専用のモデルを生成して同様に呼び出します。

設計パターン / ベストプラクティス

• まずは事前学習済みモデルで要件を満たせるか検証し、ドメイン特化が必要なときだけカスタムモデルへ進む
• 大量データは非同期ジョブ＋オブジェクトストレージでバッチ処理し、同期 API のスロットリングを避ける
• 長文は意味の区切りでチャンク分割してから送る
• パイプラインの一段目に言語検出を置き、後段の解析機能の対応言語に合わせて分岐する
• 解析結果はそのまま信頼せず、スコア（信頼度）でしきい値判定し、低信頼の結果は人手レビューに回す

運用・監視

• API 呼び出しのメトリクスやエラーはOCI Monitoring で可視化し、スロットリングや失敗率を監視する
• 操作の監査証跡はOCI Audit に記録される
• 非同期ジョブはステータスを定期的にポーリングして完了・失敗を検知し、失敗時はリトライ設計を用意する
• スロットリング（HTTP 429 相当）の発生時は指数バックオフで再試行し、恒常的に超える場合はバッチジョブへ切り替える

コスト

• 課金は**処理したテキスト量（リクエストやレコード単位）**に応じた従量制が基本
• カスタムモデルは学習（トレーニング）と推論でコスト要素が分かれる
• 重複した解析を避けるため結果をキャッシュし、同一テキストの再解析を減らす
• 具体的な単価は変動するため、料金は公式の価格ページで都度確認する

セキュリティ

• アクセス制御はOCI IAM のポリシーで最小権限に絞る
• 入力・出力に使うオブジェクトストレージは暗号化し、バケットを限定する
• 個人情報を含むテキストではPII 検出を併用し、保存・ログ出力前にマスキングする
• 通信は TLS で保護され、API 認証には署名付きリクエスト（API キーやインスタンスプリンシパル）を用いる

Well-Architected の観点

• 運用性（Operational Excellence）: モデルの構築・運用を Oracle 側に委ねることで、自然言語処理を最小の運用負荷でアプリへ組み込める。事前学習済みモデルにより導入が速く、Monitoring と Audit で可観測性・監査性を確保できる。

試験で問われるポイント

関連サービス・比較

ハンズオン / CLI例

# テキストの感情分析を同期APIで実行する例
oci ai language detect-language-sentiments \
  --documents '[{"key":"doc1","text":"このサービスはとても使いやすくて満足しています。","languageCode":"ja"}]'

# テキストからエンティティ（固有表現）を抽出する例
oci ai language detect-language-entities \
  --documents '[{"key":"doc1","text":"Oracleは2026年に東京で新サービスを発表した。","languageCode":"ja"}]'