Ismerkedés a beszélgetési nyelv megértésével az Azure-ban
Az Azure AI Language társalgási nyelvfelismerési funkciója lehetővé teszi egy nyelvi modell készítését és előrejelzéshez való használatát. A modell létrehozása magában foglalja az entitások, szándékok és kimondott szövegek meghatározását. Az előrejelzések generálása magában foglalja egy modell közzétételét, hogy az ügyfélalkalmazások felhasználói bemenetet vehessenek fel, és válaszokat adjanak vissza.
Azure-erőforrások a beszélgetési nyelv megértéséhez
A beszélgetési nyelvi képességek Azure-beli használatához szüksége van egy erőforrásra az Azure-előfizetésben. Az alábbi típusú erőforrások használhatók:
- Azure AI Language: Olyan erőforrás, amely lehetővé teszi, hogy gépi tanulási szakértelem nélkül, iparágvezető természetes nyelvfelismerési képességekkel rendelkező alkalmazásokat hozzon létre. Nyelvi erőforrást használhat a létrehozáshoz és az előrejelzéshez.
- Azure AI-szolgáltatások: Általános erőforrás, amely magában foglalja a beszélgetési nyelv megértését, valamint számos más Azure AI-szolgáltatást. Ezt az erőforrástípust előrejelzésre használhatja.
Az erőforrások elkülönítése akkor hasznos, ha az Azure AI Language-használat erőforrás-kihasználtságát az összes Azure AI-szolgáltatásalkalmazást használó ügyfélalkalmazásoktól elkülönítve szeretné nyomon követni.
Tartalomkészítés
Miután létrehozott egy szerzői erőforrást, használhatja egy beszélgetési nyelvértési modell betanítására. A modellek betanításához először határozza meg azokat az entitásokat és szándékokat, amelyeket az alkalmazás előre jelez, valamint a prediktív modell betanításához használható minden szándék kimondott szövegét.
A társalgási nyelv megértése olyan előre összeállított tartományok átfogó gyűjteményét biztosítja, amelyek előre definiált szándékokat és entitásokat tartalmaznak a gyakori forgatókönyvekhez, amelyeket kiindulási pontként használhat a modellhez. Saját entitásokat és szándékokat is létrehozhat.
Az entitásokat és szándékokat bármilyen sorrendben létrehozhatja. Létrehozhat egy szándékot, majd kiválaszthat szavakat a hozzá definiált mintabeszédelemekben, és entitásokat hozhat létre hozzájuk, vagy az entitásokat előre is létrehozhatja, majd hozzárendelheti őket a beszédelemekben lévő szavakhoz a szándékok létrehozása közben.
Írhat kódot a modell elemeinek meghatározásához, de a legtöbb esetben a legegyszerűbb, ha a Language Studióval készíti el a modellt – ez egy webes felület a Beszélgetési nyelvértés alkalmazások létrehozásához és kezeléséhez.
A modell betanítása
Miután definiálta a modellben lévő szándékokat és entitásokat, és a mintabeszédelemek megfelelő halmazát is hozzáadta, a következő lépés a modell betanítása. A betanítási folyamat során a mintabeszédelemekkel betanítja a modellt, hogy a felhasználók által használt természetes nyelvi kifejezéseket valószínűsíthető szándékokhoz és entitásokhoz társítsa.
A modellt a betanítását követően tesztelheti: szövegeket küldhet be, és megvizsgálhatja az előre jelzett szándékokat. A betanítás és a tesztelés iteratív folyamat. A betanítást követően a modellt mintabeszédelemekkel tesztelheti annak megállapításához, hogy helyesen ismeri-e fel a szándékokat és az entitásokat. Ha nem, módosítsa, majd ismételten tanítsa be és tesztelje a modellt.
Előrejelzés
Ha elégedett a betanítás és a tesztelés eredményeivel, közzéteheti a Conversational Language Understanding alkalmazást egy fogyasztásra szánt előrejelzési erőforrásban.
Az ügyfélalkalmazások az előrejelzési erőforrás végpontjára csatlakozva és a hitelesítési kulcsot megadva használhatják a modellt, és a felhasználók által megadott adatokat beküldve kaphatnak szándék- és entitás-előrejelzéseket. Az előrejelzések az ügyfélalkalmazásba érkeznek, amely a jelzett szándék alapján megfelelő műveleteket hajthat végre.