Použití služeb Azure AI se zpracováním přirozeného jazyka (NLP) k obohacení konverzací robotů

  • Článek

Poznámka

Služba QnA Maker se k 31. březnu 2025 vyřadí z provozu. V rámci jazyka Azure AI je teď k dispozici novější verze funkce otázek a odpovědí. Informace o možnostech odpovídání na otázky v rámci služby jazyka najdete v článku o odpovídání na otázky. Od 1. října 2022 nebudete moct vytvářet nové prostředky služby QnA Maker. Informace o migraci stávajících znalostních bází služby QnA Maker na zodpovězení otázek najdete v průvodci migrací.

Služby Azure AI poskytují dvě služby zpracování přirozeného jazyka, Language Understanding a QnA Maker, z nichž každá má jiný účel. Zjistěte, kdy používat jednotlivé služby a jak se vzájemně doplňují.

Zpracování přirozeného jazyka (NLP) umožňuje klientské aplikaci, jako je chatovací robot, pracovat s uživateli pomocí přirozeného jazyka. Uživatel zadá větu nebo frázi. Text uživatele může obsahovat gramatické, pravopisné nebo interpunkční chyby. Služba Azure AI přesto dokáže větu uživatele projít a vrátit informace, které chatbot potřebuje k tomu, aby pomohl uživateli.

Služby Azure AI s využitím NLP

Language Understanding (LUIS) a QnA Maker poskytují NLP. Klientská aplikace odešle text v přirozeném jazyce. Služba vezme text, zpracuje ho a vrátí výsledek.

Kdy použít jednotlivé služby

Language Understanding (LUIS) a QnA Maker řeší různé problémy. Služba LUIS určuje záměr textu uživatele (označuje se jako výrok), zatímco QnA Maker určuje odpověď na text uživatele (označuje se jako dotaz).

Abyste mohli vybrat správnou službu, musíte porozumět textu uživatele pocházejícímu z klientské aplikace a informacím, které klientská aplikace potřebuje ke službě Azure AI.

Pokud váš chatbot obdrží text How do I get to the Human Resources building on the Seattle North campus?, pomocí níže uvedené tabulky porozumíte tomu, jak jednotlivé služby pracují s textem.

Služba Klientská aplikace určuje
LUIS Určuje záměr uživatele s textem – služba nevrací odpověď na otázku. Tento text je například klasifikován jako odpovídající záměru FindLocation .
QnA Maker Vrátí odpověď na otázku z vlastního znalostní báze. Tento text je například určen jako otázka se statickou textovou odpovědí .Get on the #9 bus and get off at Franklin street

Infografika pro určení, kdy použít službu LUIS a kdy použít službu QnA Maker

Kdy službu LUIS používáte?

Službu LUIS použijte v případě, že v rámci procesu v chatbotu potřebujete znát záměr promluvy. Když budete pokračovat s ukázkovým textem , jakmile víte, How do I get to the Human Resources building on the Seattle North campus?že uživatel má v úmyslu najít místo, můžete podrobnosti o promluvě (vytažené s entitami) předat jiné službě, například přepravnímu serveru, abyste získali odpověď.

K určení záměru nemusíte kombinovat luis a QnA Maker.

Tyto dvě služby pro tuto promluvu můžete zkombinovat, pokud chatovací robot potřebuje zpracovat text na základě záměrů a entit (pomocí služby LUIS) a najít konkrétní statickou textovou odpověď (pomocí služby QnA Maker).

Kdy používáte službu QnA Maker?

Službu QnA Maker použijte v případě, že máte statickou znalostní bázi odpovědí. Tato znalostní báze je přizpůsobená vašim potřebám a vytvořená na základě dokumentů například v podobě souborů PDF nebo adres URL.

Pokračujte v ukázkové promluvě How do I get to the Human Resources building on the Seattle North campus?a odešlete text jako dotaz do publikované služby QnA Maker a získejte nejlepší odpověď.

K určení odpovědi na otázku nemusíte kombinovat služby LUIS a QnA Maker.

Pokud chatovací robot potřebuje zpracovat text na základě záměrů a entit (pomocí služby LUIS) a najít odpověď (pomocí služby LUIS), můžete tyto dvě služby zkombinovat.

Pokud není znalostní báze neúplná, použijte obě služby.

Pokud vytváříte znalostní báze služby QnA Maker, ale víte, že se doména předmětu mění (například včasné informace), můžete zkombinovat služby LUIS a QnA Maker. To vám umožní použít informace v znalostní báze ale také službu LUIS k určení záměru uživatele. Jakmile má klientská aplikace záměr, může si vyžádat relevantní informace z jiného zdroje.

Vaše klientská aplikace bude muset monitorovat odpovědi služby LUIS i QnA Maker z hlediska skóre. Pokud je skóre služby QnA Maker nižší než nějaká prahová hodnota, použijte informace o záměru a entitě vrácené službou LUIS k předání informací službě třetí strany.

Budeme pokračovat s ukázkovým textem , předpokládejme, How do I get to the Human Resources building on the Seattle North campus?že služba QnA Maker vrátí nízké skóre spolehlivosti. Pomocí záměru vráceného ze služby LUIS FindLocation a všech extrahovaných entit, jako Human Resources building jsou a Seattle North campus, odešlete tyto informace mapovací službě nebo vyhledávací službě pro jinou odpověď.

Tuto odpověď třetí strany můžete uživateli předložit k ověření. Jakmile budete mít souhlas uživatele, můžete se vrátit ke službě QnA Maker a přidat informace, které vám pomůžou rozšířit své znalosti.

Pokud chatbot potřebuje další informace, použijte obě služby.

Pokud váš chatovací robot potřebuje více informací, než kterákoliv ze služeb poskytuje, použijte obě služby a zpracujte obě odpovědi v klientské aplikaci.

Nástroj Rozhraní příkazového řádku Dispatch služby Bot Framework vám pomůže vytvořit proces pro práci s oběma službami. Tento nástroj sestaví hlavní aplikaci záměrů LUIS, která se odesílá mezi službami LUIS a QnA Maker jako podřízené aplikace. Přečtěte si další informace o integraci se službami LUIS, QnA Maker a Bot Framework.

K implementaci tohoto typu chatovacího robota použijte ukázku Bot Builderu , NLP s příkazem dispatch v jazyce C# nebo Node.js.

Osvědčené postupy

Implementace osvědčených postupů pro každou službu:

  • Osvědčené postupy služby LUIS
  • Osvědčené postupy pro QnA Maker

Viz také

Další kroky