Bestimmungen und Definitionen, die in Conversational Language Understanding verwendet werden
In diesem Artikel erfahren Sie mehr über einige Definitionen und Benennungen, die beim Verwenden der Conversational Language Understanding auftreten können.
Entität
Entitäten sind Wörter in Äußerungen, die Informationen beschreiben, die zur Erfüllung oder Identifizierung einer Absicht verwendet werden. Wenn Ihre Entität komplex ist und Sie möchten, dass Ihr Modell bestimmte Teile identifiziert, können Sie Ihr Modell in untergeordnete Entitäten unterteilen. Sie können zum Beispiel ein Modell zur Vorhersage einer Adresse, aber auch der untergeordneten Entitäten Straße, Stadt, Bundesland und Postleitzahl erstellen.
F1-Score
Der F1-Score ist eine Funktion der Genauigkeit und des Abrufs. Sie ist erforderlich, wenn Sie ein Gleichgewicht zwischen Genauigkeit und Abruf suchen.
Intent
Eine Absicht stellt eine Aufgabe oder Aktion dar, die der Benutzer ausführen möchte. Sie ist ein vom Benutzer in seiner Eingabe genannter Zweck oder ein Ziel, wie das Buchen eines Flugs oder das Bezahlen einer Rechnung.
Entität vom Typ „List“
Eine Listenentität stellt einen festen, abgeschlossenen Satz verwandter Wörter zusammen mit ihren Synonymen dar. Listenentitäten sind exakte Übereinstimmungen, im Gegensatz zu Entitäten, die durch maschinelles Lernen erworben wurden.
Die Entität wird vorhergesagt, wenn ein Wort in der Listenentität in der Liste enthalten ist. Wenn Sie z. B. eine Listenentität namens „Größe“ besitzen und die Wörter „klein, mittel, groß“ in der Liste enthalten sind, dann wird die Entität „Größe“ für alle Äußerungen vorhergesagt, in denen die Wörter „klein“, „mittel“ oder „groß“ unabhängig vom Kontext verwendet werden.
Modell
Ein Modell ist ein Objekt, das für eine bestimmte Aufgabe trainiert wird. In diesem Fall geht es um Aufgaben für das Textverständnis. Modelle werden trainiert, indem bezeichnete Daten zum Lernen zur Verfügung gestellt werden, damit die Modelle später zum Verständnis von Äußerungen verwendet werden können.
- Die Modellauswertung ist der Prozess, der direkt nach dem Training ausgeführt wird, um zu erfahren, wie gut Ihr Modell funktioniert.
- Die Bereitstellung ist der Prozess, bei dem Sie Ihr Modell einer Bereitstellung zuweisen, um es für die Verwendung über die Vorhersage-API verfügbar zu machen.
Überanpassung
Eine Überanpassung tritt auf, wenn das Modell auf bestimmte Beispiele fixiert ist und nicht gut generalisieren kann.
Genauigkeit
Misst, wie präzise/genau Ihr Modell ist. Dies ist das Verhältnis zwischen den richtig identifizierten positiven (True Positives) und allen identifizierten positiven Ergebnissen. Die Genauigkeitsmetrik gibt an, wie viele der vorhergesagten Klassen richtig beschriftet wurden.
Project
Ein Projekt ist ein Arbeitsbereich zum Erstellen Ihrer benutzerdefinierten ML-Modelle auf der Grundlage Ihrer Daten. Auf Ihr Projekt können nur Sie und andere Personen zugreifen, die Zugriff auf die verwendete Azure-Ressource haben.
Recall
Misst die Fähigkeit des Modells, tatsächliche positive Klassen vorherzusagen. Dies ist das Verhältnis zwischen den vorhergesagten True Positives und den tatsächlich markierten Klassen. Die Abrufmetrik gibt an, wie viele der vorhergesagten Klassen richtig sind.
Regulärer Ausdruck
Die Entität regulärer Ausdruck stellt einen regulären Ausdruck dar. Reguläre Ausdrucksentitäten sind exakte Treffer.
Schema
Das Schema wird als die Kombination der Absichten und Entitäten definiert, die in Ihrem Projekt enthalten sind. Der Schemaentwurf ist ein wichtiger Baustein für den Erfolg Ihres Projekts. Beim Erstellen eines Schemas sollten Sie überlegen, welche Absichten und Entitäten in Ihr Projekt aufgenommen werden sollen
Trainingsdaten
Trainingsdaten sind die Informationen, die zum Trainieren eines Modells benötigt werden.
Äußerung
Eine Äußerung ist eine Benutzereingabe, bei der es sich um einen kurzen Text handelt, der repräsentativ für einen Satz in einer Unterhaltung ist. Sie ist eine Aussage in natürlicher Sprache, z. B. „Buche 2 Tickets nach Seattle am nächsten Dienstag“. Beispieläußerungen werden hinzugefügt, um das Modell zu trainieren, und das Modell sagt zur Laufzeit neue Äußerungen vorher