Migrálás a Language Understandingből (LUIS) a beszélgetési nyelvfelismerésbe (CLU)
A beszélgetési nyelv megértése (CLU) egy felhőalapú AI-ajánlat az Azure AI-nyelven. Ez a Language Understanding (LUIS) legújabb generációja, és visszamenőleges kompatibilitást kínál a korábban létrehozott LUIS-alkalmazásokkal. A CLU a legkorszerűbb gépi tanulási intelligenciát használja, amely lehetővé teszi a felhasználók számára, hogy egyéni természetes nyelvfelismerési modellt építsenek ki a szándékok és entitások társalgási kimondott szövegekben való előrejelzéséhez.
A CLU a következő előnyöket kínálja a LUIS-val szemben:
- Jobb pontosság a legmodernebb gépi tanulási modellekkel a jobb szándékbesorolás és entitáskinyerés érdekében. A LUIS több példát kért a szándékok és entitások bizonyos fogalmainak általánosításához, míg a CLU fejlettebb gépi tanulása jelentősen kevesebb adat megkövetelésével csökkenti az ügyfelekre nehezedő terheket.
- Többnyelvű támogatás a modelltanuláshoz és a képzéshez. Projektek betanítása egy nyelven, és azonnal előrejelzi a szándékokat és entitásokat 96 nyelven.
- Könnyű integráció a különböző CLU-val, és egyéni kérdések megválaszolása projektekhez vezénylési munkafolyamat használatával.
- Tesztelési adatok hozzáadása a Language Studio és API-k használatával a modell teljesítményértékeléséhez az üzembe helyezés előtt.
Első lépésként létrehozhat egy új projektet, vagy migrálhatja a LUIS-alkalmazást.
A LUIS és a CLU összehasonlítása
Az alábbi táblázat a LUIS és a CLU funkcióinak egymás melletti összehasonlítását mutatja be. Emellett kiemeli a LUIS-alkalmazás módosításait a CLU-ba való migrálás után. Válassza ki a csatolt koncepciót a módosítások további megismeréséhez.
| LUIS-funkciók | CLU-funkciók | Migrálás után |
|---|---|---|
| Gépi tanulású és strukturált gépi tanulási entitások | Tanult entitásösszetevők | A gépileg tanult, részentitások nélküli entitások CLU-entitásokként lesznek átadva. A strukturált gépi tanulási entitások csak levélcsomópontokat (a legalacsonyabb szintű alhálózatokat, amelyek nem rendelkeznek saját alhálózatokkal) csak a CLU entitásaiként továbbítják. Az entitás neve a CLU-ban a szülővel összefűzött alhálózat neve lesz. Például: Order.Size |
| Lista, regex és előre összeállított entitások | Entitásösszetevők listázása, regex és előre összeállított entitásösszetevők | A lista-, regex- és előre összeállított entitások entitásokként lesznek átadva a CLU-ban az entitástípus alapján kitöltött entitásösszetevővel. |
Pattern.Any Entitások |
Jelenleg nem érhető el | Pattern.Any entitások törlődnek. |
| Egyetlen kultúra minden alkalmazáshoz | A többnyelvű modellek több nyelvet is lehetővé tesznek minden projekthez. | A projekt elsődleges nyelve a LUIS-alkalmazáskultúra lesz beállítva. A projekt betanítható, hogy különböző nyelvekre terjedjen ki. |
| Entitásszerepkörök | A szerepkörökre már nincs szükség. | Az entitásszerepkörök entitásokként lesznek átadva. |
| Gépház: írásjelek normalizálása, diakritikák normalizálása, szóalak normalizálása, az összes betanítási adat használata | Gépház már nincs szükség. | Gépház nem lesz átadva. |
| Minták és kifejezéslista-funkciók | A minták és a kifejezéslista funkcióira már nincs szükség. | A minták és a kifejezéslista funkciói nem lesznek átadva. |
| Entitásfunkciók | Entitás-összetevők | Az entitáshoz szolgáltatásként hozzáadott lista- vagy előre összeállított entitások az adott entitáshoz hozzáadott összetevőkként lesznek átadva. Az entitásfunkciók nem lesznek átadva a szándékok számára. |
| Szándékok és kimondott szövegek | Szándékok és kimondott szövegek | Minden szándék és kimondott szöveg át lesz helyezve. A kimondott szövegek az átvitt entitásokkal lesznek címkézve. |
| AlkalmazásGUID-k | Projektnevek | Minden migráló alkalmazáshoz létrejön egy projekt az alkalmazás nevével. Az alkalmazásnevekben szereplő speciális karakterek a CLU-ban törlődnek. |
| Verziókezelés | Minden betanításakor létrejön egy modell, és a projekt verziójaként működik. | Létrejön egy projekt a kiválasztott alkalmazásverzióhoz. |
| Kiértékelés kötegelt teszteléssel | Kiértékelés tesztkészletekkel | A tesztelési adatkészlet hozzáadására lesz szükség. |
| Szerepköralapú hozzáférés-vezérlés (RBAC) LUIS-erőforrásokhoz | Nyelvi erőforrásokhoz elérhető szerepköralapú hozzáférés-vezérlés (RBAC) | A nyelvi erőforrás RBAC-ét manuálisan kell hozzáadni a migrálás után. |
| Egyetlen betanítási mód | Standard és speciális betanítási módok | Az alkalmazás áttelepítése után betanításra lesz szükség. |
| Két közzétételi hely és verzió-közzététel | Tíz üzembehelyezési hely egyéni elnevezéssel | Az alkalmazás áttelepítése és betanítása után üzembe helyezésre lesz szükség. |
| A LUIS api-k és SDK-támogatása .NET, Python, Java és Node.js nyelven | CLU REST API-k készítése. | További információkért tekintse meg a CLU szerzői API-kkal kapcsolatos rövid útmutatót . A CLU szerzői API-k használatához újrabontásra lesz szükség. |
| LUIS Runtime API-k és SDK-támogatás .NET, Python, Java és Node.js rendszeren | CLU futtatókörnyezeti API-k. A CLU Runtime SDK támogatása a .NET-hez és a Pythonhoz. | További információért tekintse meg , hogyan hívhatja meg az API-t . A CLU futtatókörnyezeti API-válasz használatához újrabontásra lesz szükség. |
A LUIS-alkalmazások migrálása
Az alábbi lépésekkel migrálhatja a LUIS-alkalmazást a LUIS-portál vagy a REST API használatával.
A LUIS-alkalmazások migrálása a LUIS-portál használatával
Kövesse az alábbi lépéseket a migrálás megkezdéséhez a LUIS Portal használatával:
Miután bejelentkezett a LUIS-portálra, kattintson a képernyő tetején lévő szalagcím gombra az áttelepítési varázsló elindításához. Az áttelepítés csak a kiválasztott LUIS-alkalmazásokat másolja a CLU-ba.
A migrálás áttekintése lap a beszélgetési nyelv megértésének és előnyeinek rövid ismertetését tartalmazza. A folytatáshoz nyomja le a Tovább billentyűt.
Határozza meg, hogy melyik nyelvi erőforrásba szeretné migrálni a LUIS-alkalmazást. Ha már létrehozta a Nyelvi erőforrást, válassza ki az Azure-előfizetést, majd a Nyelvi erőforrást, majd válassza a Tovább gombot. Ha nem rendelkezik nyelvi erőforrással, kattintson a hivatkozásra egy új nyelvi erőforrás létrehozásához. Ezután válassza ki az erőforrást, és válassza a Tovább gombot.
Jelölje ki az összes migrálni kívánt LUIS-alkalmazást, és adja meg az egyes verziókat. Válassza a Következő lehetőséget. Miután kiválasztotta az alkalmazást és a verziót, a rendszer egy üzenetben tájékoztatja önt minden olyan funkcióról, amely nem lesz átadva a LUIS-alkalmazásból.
Megjegyzés:
A speciális karaktereket a beszélgetési nyelv megértése nem támogatja. A kiválasztott LUIS-alkalmazásnevekben szereplő speciális karakterek el lesznek távolítva az új migrált alkalmazásokban.
Tekintse át a nyelvi erőforrás és a LUIS-alkalmazások kiválasztását. Az alkalmazások áttelepítéséhez válassza a Befejezés lehetőséget .
Az előugró ablak lehetővé teszi az alkalmazások áttelepítési állapotának nyomon követését. Azok az alkalmazások, amelyek nem kezdték el a migrálást, Nem indult el állapotban lesznek. Az áttelepítést megkezdő alkalmazások állapota folyamatban van, és ha befejezték az áttelepítést, a rendszer sikeres lesz. A sikertelen alkalmazások azt jelentik, hogy meg kell ismételnie az áttelepítési folyamatot. Miután az áttelepítés befejeződött az összes alkalmazás esetében, válassza a Kész elemet.
Az alkalmazások migrálása után a következő lépéseket hajthatja végre:
Gyakori kérdések
Melyik LUIS JSON-verziót támogatja a CLU?
A CLU támogatja a modell JSON 7.0.0-s verzióját. Ha a JSON formátum régebbi, először a LUIS-ba kell importálni, majd exportálni a LUIS-ból a legújabb verzióval.
Miben különböznek az entitások a CLU-ban?
A CLU-ban egyetlen entitás több entitásösszetevővel is rendelkezhet, amelyek különböző kinyerési módszerek. Ezeket az összetevőket a rendszer ezután az Ön által definiálható szabályokkal kombinálja. A rendelkezésre álló összetevők a következők:
- Tanult: A LUIS-ban az ml-entitásokkal egyenértékű címkéket használnak egy gépi tanulású modell betanítása egy entitás előrejelzésére a megadott címkék tartalma és környezete alapján.
- Lista: A LUIS listaentitásaihoz hasonlóan a listaösszetevők is pontosan egyeznek a szinonimák készletével, és visszaképezik őket egy normalizált, listakulcsnak nevezett értékre.
- Előre összeállított: Az előre összeállított összetevők lehetővé teszik, hogy definiáljon egy entitást a LUIS-ban és a CLU-ban egyaránt elérhető gyakori típusok előre összeállított kiszívóival.
- Regex: A Regex-összetevők reguláris kifejezéseket használnak az egyéni definiált minták rögzítésére, pontosan úgy, mint a LUIS regex entitásai.
A LUIS-ban lévő entitások a CLU-ban azonos nevű entitásokként lesznek átadva az átvitt egyenértékű összetevőkkel.
A migrálás után a strukturált gép által tanult levélcsomópontok és alsó szintű alhálózatok átkerülnek az új CLU-modellbe, miközben a rendszer figyelmen kívül hagyja az összes szülő- és magasabb szintű entitást. Az entitás neve a szülő entitással összefűzött alsó szintű entitás neve lesz.
Példa:
LUIS-entitás:
- Pizza rendelés
- Feltöltési
- Méret
Migrált LUIS-entitás a CLU-ban:
- Pizza Order.Topping
- Pizza Rendelés.Méret
A CLU-ban nem címkézhet 2 különböző entitást ugyanahhoz a karaktertartományhoz. A CLU-ban tanult összetevők kölcsönösen kizárják egymást, és nem biztosítanak átfedésben lévő előrejelzéseket csak a tanult összetevőkhöz. A LUIS-alkalmazás áttelepítésekor az átfedésben lévő entitásfeliratok megőrizték a leghosszabb címkét, és figyelmen kívül hagytak másokat.
Az entitásösszetevőkkel kapcsolatos további információkért lásd : Entitásösszetevők.
Hogyan kerülnek át az entitásszerepkörök a CLU-ba?
A szerepkörök különböző entitásokként lesznek átadva a címkézett kimondott szövegekkel együtt. Az egyes szerepkörök entitástípusai határozzák meg, hogy melyik entitásösszetevő lesz feltöltve. A lista entitásszerepkör például a szerepkör nevével megegyező nevű entitásként lesz átadva egy kitöltött listaösszetevővel.
Hogyan kerülnek át az entitásfunkciók a CLU-ban?
A szándékok funkcióiként használt entitások nem lesznek átadva. A más entitások szolgáltatásaként használt entitások feltöltik az entitás megfelelő összetevőjét. Ha például egy SizeList nevű listaentitást használt egy gép által tanult, Méret nevű entitás, akkor a Méret entitás át lesz adva a CLU-ba a Méretlista listaösszetevőhöz hozzáadott listaértékeivel. Ugyanez vonatkozik az előre összeállított és regex entitásokra is.
Miben különböznek az entitások megbízhatósági pontszámai a CLU-ban?
Minden kinyert entitás 100%-os megbízhatósági pontszámmal rendelkezik, ezért az entitások megbízhatósági pontszámai nem használhatók az entitások közötti döntéshozatalhoz.
Mennyire többnyelvű a beszélgetési nyelvtanulás?
A társalgási nyelvet megértő projektek különböző nyelveken fogadnak el kimondott szövegeket. Emellett betaníthatja a modellt egy nyelven, és kiterjesztheti más nyelvek előrejelzésére.
Példa:
Oktató kimondott szöveg (angol): Hogyan vagy?
Címkézett szándék: Üdvözlés
Runtime kimondott szöveg (francia): Comment ça va?
Előrejelzett szándék: Üdvözlés
Hogyan jobb a CLU pontossága, mint a LUIS?
A CLU a legmodernebb modelleket használja a különböző szándékbesorolási és entitás-kinyerési modellek gépi tanulási teljesítményének javítására.
Ezek a modellek érzéketlenek az kisebb változatokra, így nem szükséges a következő beállítások megadása: Írásjelek normalizálása, diakritikák normalizálása, szóalak normalizálása és az összes betanítási adat használata.
Emellett az új modellek nem támogatják a kifejezéslista funkcióit, mivel már nem igényelnek kiegészítő információkat a felhasználótól, hogy szemantikailag hasonló szavakat adjanak meg a jobb pontosság érdekében. A mintákat arra is használták, hogy az új modell paradigmájában nem szükséges szabályalapú egyeztetési technikákkal továbbfejlesztett szándékbesorolást biztosítsanak. Az alábbi kérdés részletesebben ismerteti ezt.
Mit tegyek, ha a LUIS-ban használt funkciók már nem érhetők el?
A LUIS számos olyan funkcióval rendelkezik, amelyek a továbbiakban nem lesznek elérhetők a CLU-ban. Ez magában foglalja a funkciófejlesztés, a minták és a pattern.any entitások és a strukturált entitások használatát. Ha függőségei vannak a LUIS-ban ezekhez a funkciókhoz, kövesse az alábbi útmutatást:
Minták: Minták lettek hozzáadva a LUIS-ban a szándék besorolásához normál kifejezéssablon-kimondott szövegek definiálásával. Ez magában foglalta, hogy csak minta szándékokat definiálhat (kimondott szövegek nélkül). A CLU a legmodernebb modellek használatával általánosítható. Megadhat néhány kimondott szöveget, amelyek megfeleltetnek egy adott mintát a CLU szándékának, és valószínűleg a mintasablon kimondottszövege nélkül osztályozza a különböző mintákat a legfelső szándékként. Ez leegyszerűsíti a LUIS-ban korlátozott minták kialakításának követelményét, és jobb szándékbesorolási élményt nyújt.
Kifejezéslista-funkciók: A funkciók társításának lehetősége elsősorban a szándékok besorolásának elősegítésére irányult a használandó fő elemek/funkciók kiemelésével. Erre már nincs szükség, mivel a CLU-ban használt mélymodellek már képesek azonosítani a nyelvben rejlő elemeket. A funkciók eltávolítása azonban nem befolyásolja a modell besorolási képességét.
Strukturált entitások: A strukturált entitások meghatározásának lehetősége elsősorban a kimondott szövegek többszintű elemzésének engedélyezése volt. Az alentitások különböző lehetőségeivel a LUIS-nak az entitások összes különböző kombinációját meg kellett határoznia, és példákként kellett bemutatnia a modellnek. A CLU-ban ezek a strukturált entitások már nem támogatottak, mivel az egymást átfedő tanult összetevők nem támogatottak. A strukturált kinyerések kezelésének néhány lehetséges módszere van:
- Nem egyértelmű extrakciók: A levél entitásainak észlelése a legtöbb esetben elegendő a szükséges elemek teljes körű megértéséhez. Például olyan strukturált entitások, mint a Forrás és cél teljes egészében átfoglalt Trip (London–New York vagy Munkahely otthona) azonosíthatók a forrásra és a célra előrejelzett egyéni spanokkal. Az egyéni előrejelzésekben való jelenlétük tájékoztatja Önt a Trip entitásról.
- Kétértelmű kinyerések: Ha a különböző al entitások határai nem egyértelműek. A szemléltetéshez vegyük a "Szeretnék rendelni egy pepperoni pizzát és egy extra sajtos vegetáriánus pizzát". Bár a különböző pizzatípusok, valamint a öntetmódosítások kinyerhetők, ha kontextus nélkül nyerik ki őket, bizonyos fokú kétértelműség lenne, hogy hol adnak hozzá extra sajtot. Ebben az esetben a tartomány kiterjedése környezetalapú, és ennek meghatározásához az ml szükséges. Nem egyértelmű kinyerések esetén az alábbi módszerek egyikét használhatja:
- Alentititások egyesítése ugyanazon entitás különböző entitásösszetevőibe.
Példa:
LUIS-implementáció:
- Pizza rendelés (entitás)
- Méret (részösszeg)
- Mennyiség (részösszeg)
CLU implementáció:
- Pizza rendelés (entitás)
- Méret (listaentitás-összetevő: kicsi, közepes, nagy)
- Mennyiség (előre összeállított entitásösszetevő: szám)
A CLU-ban a pizzarendelés teljes időtartamát felcímkézné a méret és a mennyiség figyelembe ával, amely a pizzarendelést egy méretlistával és egy számértékkel adja vissza ugyanabban az entitásobjektumban.
- Összetettebb problémák esetén, amikor az entitások több mélységi szintet tartalmaznak, létrehozhat egy projektet az entitásstruktúra minden mélységi szintjéhez. Így a következő lehetőségek közül választhat:
- Adja át a kimondott szöveget minden projektnek.
- Egyesítse az egyes projektek elemzését a szakaszos eljárás CLU-jában.
A koncepció részletes példáját a GitHubon elérhető pizzamintaprojektek között találja.
Hogyan kezelni a CLU verzióit?
A CLU menti a modell betanítása során használt adategységeket. A modell eszközeit bármikor exportálhatja, vagy betöltheti őket a projektbe. Így a modellek a projekt különböző verzióiként működnek.
Exportálhatja a CLU-projekteket a Language Studióval, vagy programozott módon, és helyben tárolhatja az eszközök különböző verzióit.
Miért különbözik a CLU besorolása a LUIS-tól? Hogyan működik a None besorolás?
A CLU a bináris besorolás helyett a többbesorolással más megközelítést alkalmaz a betanítási modellekre. Ennek eredményeképpen a pontszámok értelmezése eltérő, és a betanítási lehetőségek között is különbözik. Bár valószínűleg jobb eredményeket fog elérni, meg kell figyelnie a pontszámok különbségét, és meg kell határoznia egy új küszöbértéket a szándék-előrejelzések elfogadásához. A projektbeállításokban egyszerűen hozzáadhat egy megbízhatósági pontszám küszöbértéket a Nincs szándékhoz . Ez a "Nincs" értéket adja vissza legfelső szándékként, ha a legfelső szándék nem lépte túl a megadott megbízhatósági pontszám küszöbértékét.
Több adatra van szükségem a CLU-modellekhez, mint a LUIS-hoz?
Az új CLU-modellek jobb szemantikai ismeretekkel rendelkeznek a nyelvről, mint a LUIS-ban, és ezáltal segítenek általánosítani a modelleket az adatok jelentős csökkentésével. Bár nem szabad a rendelkezésére álló adatok mennyiségének csökkentésére törekednie, jobb teljesítményre és rugalmasságra kell számítania a CLU változatainak és szinonimáinak a LUIS-hoz képest.
Ha nem migrálom a LUIS-alkalmazásaimat, törlődnek?
A meglévő LUIS-alkalmazások 2025. október 1-ig lesznek elérhetők. Ezután már nem fogja tudni használni ezeket az alkalmazásokat, a szolgáltatásvégpontok többé nem fognak működni, és az alkalmazások véglegesen törlődnek.
Vannak. A CLU-n támogatott LU-fájlok?
A CLU csak JSON-formátumot támogat. Importálhatja a . LU-fájlok a LUIS-ba és exportálásuk JSON formátumban, vagy az alkalmazás fenti migrálási lépéseit követve.
Mik a CLU szolgáltatási korlátai?
További információért tekintse meg a szolgáltatáskorlátokról szóló cikket.
Újra kell rendeznem a kódot, ha az alkalmazásaimat luis-ból CLU-ba migrálom?
A CLU-alkalmazások API-objektumai eltérnek a LUIS-tól, ezért szükség lesz a kód újrabontására.
Ha a LUIS programozott és futtatókörnyezeti API-kat használ, lecserélheti őket az egyenértékű API-kra.
CLU szerzői API-k: A LUIS konkrét CRUD API-jai helyett az olyan egyéni műveletekhez, mint a kimondott szöveg hozzáadása, az entitás törlése és a szándék átnevezése, a CLU egy importálási API-t kínál, amely a projekt teljes tartalmát lecseréli ugyanazzal a névvel. Ha a szolgáltatás luis programozott API-kat használt más ügyfelek platformjának biztosításához, ezt az új tervezési paradigmát kell figyelembe vennie. Minden más API elérhető, például a projektek felsorolása, a betanítás, az üzembe helyezés és a törlés. Az olyan műveletek API-jait, mint az importálás és az üzembe helyezés , nem szinkron, hanem aszinkron műveletek, mint a LUIS-ban.
CLU futtatókörnyezeti API-k: Az új API-kérések és -válaszok számos olyan paramétert tartalmaznak, mint a lekérdezés, az előrejelzés, a felső szándék, a szándékok, az entitások és azok értékei. A CLU válaszobjektum egyszerűbb megközelítést kínál. Az entitás-előrejelzések a kimondott szövegben jelennek meg, és minden további információt, például a felbontást vagy a listakulcsot a rendszer további paraméterekben, úgynevezett extraInformation és resolution.
A LUIS futtatókörnyezeti SDK helyére a .NET vagy a Python CLU futtatókörnyezeti SDK-t használhatja. A CLU-hoz jelenleg nem érhető el szerzői SDK.
Miben különböznek a betanítási idők a CLU-ban? Miben különbözik a standard képzés a speciális képzéstől?
A CLU standard képzést kínál, amely angol nyelven tanul és tanul, és összehasonlítható a LUIS betanítási idejéhez. Emellett speciális képzést is kínál, amely jelentősen hosszabb időt vesz igénybe, mivel a képzést az összes többi támogatott nyelvre is kiterjeszti. A train API továbbra is aszinkron folyamat lesz, és értékelnie kell a megoldáshoz használt DevOps-folyamat változásait.
Hogyan változott a felhasználói élmény a CLU-ban a LUIS-hoz képest? Miben különbözik a fejlesztési életciklus?
A LUIS-ban a Build-Train-Test-Publish, míg a CLU-ban build-Train-Evaluate-Deploy-Test.
- Build: A CLU-ban a betanítás előtt meghatározhatja a szándékokat, entitásokat és kimondott szövegeket. A CLU emellett lehetővé teszi a tesztadatok megadását az alkalmazás modellértékeléshez való létrehozása során. Az értékelés kiértékeli, hogy a modell milyen jól teljesít a tesztadatokon, és precizitást, visszahívást és F1-metrikákat biztosít.
- Betanítása: Minden betanításakor létrehoz egy nevet tartalmazó modellt. Felülírhat egy már betanított modellt. Megadhat standard vagy speciális betanítást, és meghatározhatja, hogy a tesztadatokat kiértékeléshez szeretné-e használni, vagy a betanítási adatok egy százalékát ki szeretné hagyni a betanításból, és tesztelési adatokként szeretné használni. A betanítás befejezése után kiértékelheti, hogy a modell milyen jól működik kívülről.
- Üzembe helyezés: Miután a betanítás befejeződött, és egy névvel rendelkező modellel rendelkezik, üzembe helyezhető előrejelzésekhez. Az üzembe helyezés neve is el van nevezve, és hozzárendelt modellel rendelkezik. Ugyanahhoz a modellhez több üzembe helyezés is tartozhat. Az üzembe helyezés felülírható egy másik modellel, vagy felcserélheti a modelleket a projekt más üzemelő példányaival.
- Teszt: Az üzembe helyezés befejezése után az üzembe helyezési végponton keresztül előrejelzésekhez használhatja. A tesztelést a stúdióban is tesztelheti a Tesztelés üzembehelyezési lapon.
Ez a folyamat ellentétben áll a LUIS-sal, ahol az alkalmazásazonosító mindenhez hozzá lett csatolva, és üzembe helyezte az alkalmazás egy verzióját az előkészítési vagy az éles tárolóhelyeken.
Ez befolyásolja a használt DevOps-folyamatokat.
A CLU rendelkezik tárolótámogatással?
Nem, a CLU nem exportálható tárolókba.
Hogyan lesznek elnevezve a LUIS-alkalmazások a CLU-ban a migrálás után?
A LUIS-alkalmazás nevének minden speciális karaktere el lesz távolítva. Ha a törölt név hossza meghaladja az 50 karaktert, a további karakterek el lesznek távolítva. Ha a speciális karakterek eltávolítása után a név üres (például ha a LUIS-alkalmazás neve volt@@), az új név névtelen lesz. Ha már létezik egy azonos nevű társalgási nyelvfelismerési projekt, a migrált LUIS-alkalmazás hozzá lesz fűzve az első duplikációhoz, és minden további duplikációnál 1-zel _1 nő. Ha az új név hossza 50 karakter, és át kell nevezni, az utolsó 1 vagy 2 karakter el lesz távolítva, hogy összefűzhesse a számot, és továbbra is az 50 karakteres korláton belül legyen.
Migrálás a LUIS Q&A-ból
Ha a jelen cikkben megválaszolatlan kérdései vannak, fontolja meg, hogy kérdéseit a Microsoft Q&A-szálon hagyja.