Tervezés szándék- és entitásmodellekkel

Fontos

A LUIS 2025. október 1-jén megszűnik, és 2023. április 1-től nem hozhat létre új LUIS-erőforrásokat. Javasoljuk, hogy a LUIS-alkalmazásokat a beszélgetési nyelv megértésére migrálja, hogy kihasználhassa a terméktámogatás és a többnyelvű képességek előnyeit.

A language understanding kétféle modellt biztosít az alkalmazásséma definiálásához. Az alkalmazásséma határozza meg, hogy milyen információkat kap egy új felhasználói kimondott szöveg előrejelzéséből.

Az alkalmazásséma a gépi tanítással létrehozott modellekből épül fel:

• A szándékok a felhasználói kimondott szövegeket osztályozzák
• Az entitások adatokat nyernek ki kimondott szövegből

A szerzői műveletek gépi tanítást használnak

A LUIS gépi tanítási módszertana lehetővé teszi, hogy egyszerűen tanítson fogalmakat egy gépnek. A LUIS használatához nincs szükség a gépi tanulás megértésére. Ehelyett Ön, mint tanár, egy koncepciót közöl a LUIS-nak azáltal, hogy példákat ad a koncepcióra, és elmagyarázza, hogyan kell modellezni egy koncepciót más kapcsolódó fogalmak használatával. Ön, mint tanár, interaktívan is fejlesztheti a LUIS modelljét az előrejelzési hibák azonosításával és kijavításával.

A szándékok beszédelemeket sorolnak be

A szándék osztályozza a kimondott példákat, hogy megtanítsa a LUIS-t a szándékra. A szándékon belüli példamondatokat a kimondott szöveg pozitív példáiként használjuk. Ezeket a kimondott szövegeket minden más szándékban negatív példaként használják.

Fontolja meg azt az alkalmazást, amely meghatározza, hogy a felhasználó milyen szándékkal szeretne megrendelni egy könyvet és egy olyan alkalmazást, amely az ügyfél szállítási címére van szüksége. Ez az alkalmazás két szándékkal rendelkezik: OrderBook és ShippingLocation.

A következő kimondott szöveg pozitív példa a OrderBook szándékra, negatív példa a szándékokra és None szándékokraShippingLocation:

Buy the top-rated book on bot architecture.

Az entitások adatokat nyernek ki

Az entitások a kimondott szövegből kinyerni kívánt adategységet jelölik. A gépi tanulási entitások olyan legfelső szintű entitások, amelyek részösszetevőket tartalmaznak, amelyek gépi tanulási entitások is.

Egy gépi tanulási entitásra példa egy repülőjegy megrendelése. Elméletileg ez egy tranzakció, amely számos kisebb adategységtel rendelkezik, mint például a dátum, az idő, az ülések mennyisége, az ülés típusa, például az első osztály vagy az edző, a származási hely, a célhely és az étkezés kiválasztása.

Szándékok és entitások

A szándék a teljes kimondott szöveg kívánt eredménye, míg az entitások a kimondott szövegből kinyert adatok. A szándékok általában műveletekhez vannak kötve, amelyeket az ügyfélalkalmazásnak kell végrehajtania. Az entitások a művelet végrehajtásához szükséges információk. Programozási szempontból a szándék elindít egy metódushívást, és az entitások paraméterként lesznek használva a metódushíváshoz.

Ennek a kimondott szövegnek szándékkal kell rendelkeznie, és entitásokkal kell rendelkeznie:

Buy an airline ticket from Seattle to Cairo

Ennek a kimondott szövegnek egyetlen célja van:

• Repülőjegy vásárlása

Ennek a kimondott szövegnek több entitása is lehet :

• Seattle (forrás) és Kairó (cél) helyei
• Egyetlen jegy mennyisége

Entitásmodell felbontása

A LUIS támogatja a modellek felbontását a szerzői API-k segítségével, és a koncepciót kisebb részekre bontja. Ez lehetővé teszi, hogy a modelleket magabiztosan hozza létre a különböző alkatrészek felépítésében és előrejelzésében.

A modell felbontása a következő részekből áll:

• Cél
  • features
• gépi tanulási entitások
  • alentitások (gépi tanulási entitások is)
    • features
      • kifejezéslista
      • nem gépi tanulási entitások, például reguláris kifejezések, listák és előre összeállított entitások

Funkciók

A funkció az adatok megkülönböztető tulajdonsága vagy attribútuma, amelyet a rendszer megfigyel. A gépi tanulási funkciók fontos jeleket adnak a LUIS-nak arra vonatkozóan, hogy hol kell keresni azokat a dolgokat, amelyek megkülönböztetik a fogalmakat. Ezek olyan tippek, amelyeket a LUIS használhat, de nem kemény szabályok. Ezeket a tippeket a címkékkel együtt használjuk az adatok megkereséséhez.

Minták

A mintákat úgy tervezték, hogy javítsák a pontosságot, ha több kimondott szöveg nagyon hasonló. A mintákkal magasabb szintű pontosság érhető el egy beszédelemnél anélkül, hogy sok további beszédelemre lenne szükség.

Az alkalmazás kiterjesztése futásidőben

Az alkalmazás sémája (modellek és funkciók) betanítása és közzététele az előrejelzési végponton történik. A felhasználó kimondott szövegével együtt új információkat is átadhat az előrejelzési végpontnak az előrejelzés kiegészítéséhez.

Következő lépések

• A szándékok és entitások megismerése.
• További információ a funkciókról