Beszédelemek címkézése a Language Studióban

Miután létrehozott egy sémát a projekthez, betanítási beszédelemeket kell hozzáadnia a projekthez. A kimondott szövegeknek hasonlónak kell lenniük ahhoz, amit a felhasználók használni fognak a projekttel való interakció során. Kimondott szöveg hozzáadásakor ki kell osztania, hogy melyik szándékhoz tartozik. A kimondott szöveg hozzáadása után címkézze fel a kimondott szöveg azon szavait, amelyeket entitásként szeretne kinyerni.

Az adatcímkézés kulcsfontosságú lépés a fejlesztési életciklusban; ezeket az adatokat a következő lépésben fogjuk használni a modell betanításakor, hogy a modell tanulhassa a címkézett adatokból. Ha már rendelkezik kimondott szövegekkel, közvetlenül importálhatja a projektbe, de meg kell győződnie arról, hogy az adatok megfelelnek az elfogadott adatformátumnak. A címkézett adatok projektbe való importálásáról további információt a Projekt létrehozása című témakörben talál. A címkézett adatok tájékoztatják a modellt a szöveg értelmezéséről, és a betanításhoz és a kiértékeléshez használatosak.

Előfeltételek

Az adatok címkézéséhez a következőkre van szükség:

• Egy sikeresen létrehozott projekt.

További információért tekintse meg a projektfejlesztési életciklust .

Adatcímkézési irányelvek

A séma létrehozása és a projekt létrehozása után fel kell címkéznie az adatokat. Az adatok címkézése fontos, hogy a modell tudja, mely szavak és mondatok lesznek társítva a projekt szándékaival és entitásaival. Időt szeretne tölteni a kimondott szövegek címkézésével – a modellek betanításához használt adatok bevezetésével és finomításával.

A kimondott szövegek hozzáadása és címkézése során tartsa szem előtt a következőket:

• A gépi tanulási modellek az Ön által megadott címkézett példák alapján általánosulnak; minél több példát ad meg, annál több adatpontra van szüksége a modellnek, hogy jobb általánosításokat hozzon létre.

• A címkézett adatok pontossága, következetessége és teljessége kulcsfontosságú tényező a modell teljesítményének meghatározásához.

  • Pontos címkézés: Minden szándékot és entitást mindig a megfelelő típusra címkézzen. Csak a besorolni és kinyerni kívánt adatokat foglalja bele, kerülje a felesleges adatokat a címkékben.
  • Következetes címkézés: Ugyanazon entitásnak minden kimondott szövegben ugyanazzal a címkével kell rendelkeznie.
  • Teljes címkézés: Változatos kimondott szövegeket adhat meg minden szándékhoz. Címkézze fel az entitás összes példányát az összes kimondott szövegben.

Kimondott szövegek egyértelmű címkézése

• Győződjön meg arról, hogy az entitások által hivatkozott fogalmak jól definiáltak és elválaszthatók. Ellenőrizze, hogy könnyen meg tudja-e állapítani a különbségeket megbízhatóan. Ha nem, ez arra utalhat, hogy a tanult összetevő is nehézségekbe ütközik.

• Ha van hasonlóság az entitások között, győződjön meg arról, hogy az adatoknak van olyan aspektusa, amely jelzi a különbséget.

  Ha például egy repülőjáratok lefoglalására szolgáló modellt készített, a felhasználók olyan beszédelemeket használhatnak, mint a "Szeretnék egy járatot Bostonból Seattle-be". Az ilyen kimondott szövegek forrás- és célvárosa várhatóan hasonló lesz. A "Forrás város" megkülönböztetésére az lehet a jelzés, hogy ezt gyakran megelőzi a "from" szó.

• Győződjön meg arról, hogy a betanítási és a tesztelési adatokban minden entitáspéldányt címkéz. Az egyik módszer a keresési függvény használata egy szó vagy kifejezés összes előfordulásának megkeresésére az adatokban annak ellenőrzéséhez, hogy helyesen vannak-e címkézve.

• A tesztelési adatok címkézése olyan entitások esetében, amelyek nem rendelkeznek tanult összetevővel , valamint azokhoz is, amelyek igen. Ez segít biztosítani, hogy a kiértékelési metrikák pontosak legyenek.

• Többnyelvű projektek esetén a beszédelemek más nyelveken való hozzáadása növeli a modell teljesítményét ezeken a nyelveken, de ne duplikálja az adatokat az összes támogatott nyelven. Ha például egy calender-robot teljesítményét szeretné javítani a felhasználókkal, a fejlesztők többnyire angolul, néhányat pedig spanyolul vagy franciául is hozzáadhatnak. Az alábbiakhoz hasonló beszédelemeket adhatnak hozzá:

  • "Holnap 12-kor találkozunk Matttel és Kevinnel." (angol)
  • "Válasz feltételesként a heti frissítési értekezletre." (angol)
  • "Cancelar mi próxima reunión." (spanyol)

Beszédelemek címkézése

A kimondott szövegek címkézéséhez kövesse az alábbi lépéseket:

1. Nyissa meg a projekt lapját a Language Studióban.

2. A bal oldali menüben válassza az Adatok címkézése lehetőséget. Ezen a lapon elkezdheti a kimondott szöveg hozzáadását és címkézését. A kimondott szöveget közvetlenül is feltöltheti a felső menü Kimondott szöveg feltöltése fájljának feltöltése elemére kattintva, és győződjön meg arról, hogy az megfelel az elfogadott formátumnak.

3. A felső kimutatásokban módosíthatja a nézetet betanítási vagytesztelési készletre. További információ a betanítási és tesztelési készletekről , valamint a modellek betanításához és értékeléséhez való használatukról.

   

   Tipp

   Ha a tesztelési csoport automatikus felosztását tervezi a betanítási adatok felosztásából , adja hozzá az összes kimondott szöveget a betanítási készlethez.

4. A Szándék kiválasztása legördülő menüben válassza ki az egyik szándékot, a kimondott szöveg nyelvét (többnyelvű projektek esetén) és magát a kimondott szöveget. Nyomja le az enter billentyűt a kimondott szöveg szövegmezőjében a kimondott szöveg hozzáadásához.

5. Egy kimondott szövegben kétféleképpen címkézhet entitásokat:

   Beállítás	Leírás
   Címke ecsettel	Válassza a jobb oldali panelen az entitás melletti ecset ikont, majd jelölje ki a címkézni kívánt kimondott szöveg szövegét.
   Címke beágyazott menüvel	Jelölje ki az entitásként címkézni kívánt szót, és megjelenik egy menü. Jelölje ki azt az entitást, amellyel fel szeretné címkézni ezeket a szavakat.

6. A jobb oldali panel Címkék kimutatása alatt megtalálhatja a projekt összes entitástípusát és a címkézett példányok számát egyenként.

7. A Terjesztési kimutatás alatt megtekintheti a betanítási és tesztelési csoportok közötti eloszlást. Két lehetősége van a megtekintésre:

   • Összes példány címkézett entitásonként , ahol megtekintheti egy adott entitás összes címkézett példányának számát.
   • Egyedi kimondott szövegek címkézett entitásonként , ahol az egyes kimondott szövegek meg vannak számlálva, ha az entitás legalább egy címkézett példányát tartalmazza.
   • Kimondott szövegek szándékonként , ahol megtekintheti a kimondott szövegek szándékonkénti számát.

Megjegyzés

A lista- és előre összeállított összetevők nem jelennek meg az adatcímkézési oldalon, és az összes címke csak a tanult összetevőre vonatkozik.

Címke eltávolítása:

1. A kimondott szövegen belül válassza ki azt az entitást, amelyből címkét szeretne eltávolítani.
2. Görgessen végig a megjelenő menün, és válassza a Címke eltávolítása lehetőséget.

Entitás törlése:

1. Válassza ki a szerkeszteni kívánt entitást a jobb oldali panelen.
2. Válassza ki az entitás melletti három elemet, és válassza ki a kívánt lehetőséget a legördülő menüből.

Kimondott szövegek ajánlása az Azure OpenAI-val

A CLU-ban az Azure OpenAI használatával javasoljon kimondott szövegeket a projekthez GPT-modellek használatával. Először hozzáférést kell kérnie, és létre kell hoznia egy erőforrást az Azure OpenAI-ban. Ezután létre kell hoznia egy üzembe helyezést a GPT-modellekhez. Kövesse az előfeltételként szükséges lépéseket itt.

Az első lépések előtt a kimondott szövegek javasolása funkció csak akkor érhető el, ha a nyelvi erőforrás a következő régiókban található:

• USA keleti régiója
• USA déli középső régiója
• Nyugat-Európa

Az Adatcímkézés lapon:

1. Válassza a Kimondott szövegek javasolása gombot. A jobb oldalon megnyílik egy panel, amely arra kéri, hogy válassza ki az Azure OpenAI-erőforrást és -üzembe helyezést.
2. Egy Azure OpenAI-erőforrás kiválasztása esetén válassza a Csatlakozás lehetőséget, amely lehetővé teszi, hogy a nyelvi erőforrás közvetlen hozzáféréssel rendelkezzen az Azure OpenAI-erőforráshoz. Hozzárendeli a nyelvi erőforrás szerepkörét Cognitive Services User az Azure OpenAI-erőforráshoz, amely lehetővé teszi, hogy az aktuális nyelvi erőforrás hozzáférjen az Azure OpenAI szolgáltatásához. Ha a kapcsolat sikertelen, kövesse az alábbi lépéseket a megfelelő szerepkör manuális hozzáadásához az Azure OpenAI-erőforráshoz.
3. Az erőforrás csatlakoztatása után válassza ki az üzembe helyezést. Az Azure OpenAI üzembe helyezéséhez ajánlott modell a következő text-davinci-002: .
4. Válassza ki azt a szándékot, amelyhez javaslatokat szeretne kapni. Győződjön meg arról, hogy a kiválasztott szándékban legalább 5 mentett kimondott szöveg van engedélyezve a kimondott szövegjavaslatokhoz. Az Azure OpenAI javaslatai az adott szándékhoz hozzáadott legutóbbi kimondott szövegeken alapulnak.
5. Válassza a Kimondott szövegek létrehozása lehetőséget. Ha elkészült, a javasolt kimondott szövegek pontozott vonallal jelennek meg körülötte, a következő megjegyzéssel: AI által generált. Ezeket a javaslatokat el kell fogadni vagy el kell utasítani. Ha elfogad egy javaslatot, egyszerűen hozzáadja a projekthez, mintha saját maga adta volna hozzá. Az elutasítás teljes egészében törli a javaslatot. Csak az elfogadott kimondott szövegek lesznek a projekt részei, és betanításra vagy tesztelésre használhatók. Az egyes kimondott szövegek melletti zöld pipa vagy piros mégse gombra kattintva elfogadhatja vagy elutasíthatja azokat. Az eszköztáron a és Reject all a Accept all gombot is használhatja.

Ennek a funkciónak a használata az Azure OpenAI-erőforrást terheli a létrehozott javasolt kimondott szövegekhez hasonló számú jogkivonatért. Az Azure OpenAI díjszabásának részletei itt találhatók.

Szükséges konfigurációk hozzáadása az Azure OpenAI-erőforráshoz

Ha nem sikerül csatlakoztatni a nyelvi erőforrást egy Azure OpenAI-erőforráshoz, kövesse az alábbi lépéseket:

Engedélyezze az identitáskezelést a nyelvi erőforráshoz az alábbi beállításokkal:

Azure Portal

A nyelvi erőforrásnak identitáskezeléssel kell rendelkeznie az Azure Portal használatával való engedélyezéséhez:

1. Nyissa meg a nyelvi erőforrást
2. A bal oldali menü Erőforrás-kezelés szakaszában válassza az Identitás lehetőséget
3. A Rendszer által hozzárendelt lapon győződjön meg arról, hogy be van kapcsolva az Állapot

Language Studio

A Language Studio használatához a nyelvi erőforrásnak identitáskezeléssel kell rendelkeznie:

1. Válassza a beállítások ikont a képernyő jobb felső sarkában
2. Erőforrások kiválasztása
3. Jelölje be a Nyelvi erőforrás felügyelt identitása jelölőnégyzetet.

A felügyelt identitás engedélyezése után rendelje hozzá a szerepkört Cognitive Services User az Azure OpenAI-erőforráshoz a language erőforrás felügyelt identitásával.

1. Jelentkezzen be a Azure Portal, és navigáljon az Azure OpenAI-erőforráshoz.
2. Válassza a bal oldali Access Control (IAM) lapot.
3. Válassza a Szerepkör-hozzárendelés hozzáadása > lehetőséget.
4. Válassza a "Feladatfüggvényszerepkörök" lehetőséget, majd kattintson a Tovább gombra.
5. Válasszon Cognitive Services User a szerepkörök listájából, és kattintson a Tovább gombra.
6. Válassza a Hozzáférés hozzárendelése a "Felügyelt identitáshoz" lehetőséget, majd válassza a "Tagok kiválasztása" lehetőséget.
7. A "Felügyelt identitás" területen válassza a "Nyelv" lehetőséget.
8. Keresse meg az erőforrást, és válassza ki. Ezután kattintson az alábbi Kiválasztás gombra, majd a folyamat befejezéséhez.
9. Tekintse át a részleteket, és válassza a Véleményezés + Hozzárendelés lehetőséget.

Néhány perc múlva frissítse a Language Studiót, és sikeresen csatlakozhat az Azure OpenAI-hoz.

Következő lépések

• Modell betanítása