LUIS(Language Understanding)에서 CLU(대화형 언어 이해)로 마이그레이션
CLU(대화형 언어 이해) 는 Azure Cognitive Services for Language의 클라우드 기반 AI 제품입니다. 최신 세대의 LUIS(Language Understanding)이며 이전에 만든 LUIS 애플리케이션과의 이전 버전과의 호환성을 제공합니다. CLU는 최첨단 기계 학습 인텔리전스를 사용하여 사용자가 대화형 발화에서 의도 및 엔터티를 예측하기 위한 사용자 지정 자연어 이해 모델을 빌드할 수 있도록 합니다.
CLU는 LUIS보다 다음과 같은 이점을 제공합니다.
- 더 나은 의도 분류 및 엔터티 추출을 위해 최첨단 기계 학습 모델을 사용하여 정확도가 향상되었습니다. LUIS는 의도 및 엔터티의 특정 개념을 일반화하는 데 더 많은 예제가 필요했으며, CLU의 고급 기계 학습은 훨씬 적은 데이터를 요구하여 고객의 부담을 줄입니다.
- 모델 학습 및 학습에 대한 다국어 지원. 프로젝트를 한 언어로 학습시키고 96개 언어에서 의도 및 엔터티를 즉시 예측합니다.
- 오케스트레이션 워크플로를 사용하여 다양한 CLU 및 사용자 지정 질문 답변 프로젝트와 쉽게 통합할 수 있습니다.
- 배포 전에 모델 성능 평가를 위해 Language Studio 및 API를 사용하여 환경 내에서 테스트 데이터를 추가하는 기능입니다.
시작하려면 새 프로젝트를 만들 거나 LUIS 애플리케이션을 마이그레이션할 수 있습니다.
LUIS와 CLU 간 비교
다음 표에서는 LUIS와 CLU의 기능을 나란히 비교합니다. 또한 CLU로 마이그레이션한 후 LUIS 애플리케이션의 변경 내용도 강조 표시합니다. 변경 내용에 대해 자세히 알아보려면 연결된 개념을 클릭합니다.
| LUIS 기능 | CLU 기능 | 마이그레이션 후 |
|---|---|---|
| 기계 학습 및 구조적 ML 엔터티 | 학습 된 엔터티 구성 요소 | 하위 엔터티가 없는 기계 학습 엔터티는 CLU 엔터티로 전송됩니다. 구조적 ML 엔터티는 리프 노드(자체 하위 엔터티가 없는 가장 낮은 수준 하위 엔터티)만 CLU의 엔터티로 전송합니다. CLU에 있는 엔터티의 이름은 부모와 연결된 하위 엔터티의 이름이 됩니다. 예를 들어 Order.Size |
| 목록, regex 및 미리 빌드된 엔터티 | 목록, regex 및 미리 빌드된 엔터티 구성 요소 | 목록, regex 및 미리 빌드된 엔터티는 엔터티 형식을 기반으로 채워진 엔터티 구성 요소를 사용하여 CLU에서 엔터티로 전송됩니다. |
Pattern.Any 엔터티 |
현재 사용할 수 없음 | Pattern.Any 엔터티가 제거됩니다. |
| 각 애플리케이션에 대한 단일 문화권 | 다국어 모델은 각 프로젝트에 대해 여러 언어를 사용하도록 설정합니다. | 프로젝트의 기본 언어는 LUIS 애플리케이션 문화권으로 설정됩니다. 프로젝트를 다른 언어로 확장하도록 학습할 수 있습니다. |
| 엔터티 역할 | 역할은 더 이상 필요하지 않습니다. | 엔터티 역할은 엔터티로 전송됩니다. |
| 설정: 문장 부호 정규화, 분음 부호 정규화, 단어 형식 정규화, 모든 학습 데이터 사용 | 설정 은 더 이상 필요하지 않습니다. | 설정은 전송되지 않습니다. |
| 패턴 및 구 목록 기능 | 패턴 및 구 목록 기능은 더 이상 필요하지 않습니다. | 패턴 및 구 목록 기능은 전송되지 않습니다. |
| 엔터티 기능 | 엔터티 구성 요소 | 엔터티에 기능으로 추가된 목록 또는 미리 빌드된 엔터티는 해당 엔터티에 추가된 구성 요소로 전송됩니다. 엔터티 기능은 의도에 대해 전송되지 않습니다. |
| 의도 및 발화 | 의도 및 발화 | 모든 의도 및 발화가 전송됩니다. 발화는 전송된 엔터티로 레이블이 지정됩니다. |
| 애플리케이션 GUID | 프로젝트 이름 | 애플리케이션 이름을 사용하여 마이그레이션하는 각 애플리케이션에 대한 프로젝트가 만들어집니다. 애플리케이션 이름의 특수 문자는 CLU에서 제거됩니다. |
| 버전 관리 | 학습할 때마다 모델이 만들어지고 프로젝트의 버전 역할을 합니다. | 선택한 애플리케이션 버전에 대한 프로젝트가 만들어집니다. |
| 일괄 테스트를 사용한 평가 | 테스트 집합을 사용한 평가 | 테스트 데이터 세트를 추가 해야 합니다. |
| LUIS 리소스에 대한 RBAC(Role-Based Access Control) | 언어 리소스에 사용할 수 있는 RBAC(Role-Based Access Control) | 마이그레이션 후에 언어 리소스 RBAC 를 수동으로 추가해야 합니다. |
| 단일 학습 모드 | 표준 및 고급 학습 모드 | 애플리케이션 마이그레이션 후에는 학습이 필요합니다. |
| 두 개의 게시 슬롯 및 버전 게시 | 사용자 지정 명명이 있는 10개의 배포 슬롯 | 애플리케이션의 마이그레이션 및 학습 후에 배포가 필요합니다. |
| .NET, Python, Java 및 Node.js LUIS 작성 API 및 SDK 지원 | CLU 작성 REST API. | 자세한 내용은 CLU 작성 API에 대한 자세한 내용은 빠른 시작 문서를 참조하세요. CLU 작성 API를 사용하려면 리팩터링이 필요합니다. |
| .NET, Python, Java 및 Node.js LUIS 런타임 API 및 SDK 지원 | CLU 런타임 API. .NET 및 Python에 대한 CLU 런타임 SDK 지원. | 자세한 내용은 API 호출 방법을 참조하세요. CLU 런타임 API 응답을 사용하려면 리팩터링이 필요합니다. |
LUIS 애플리케이션 마이그레이션
다음 단계를 사용하여 LUIS 포털 또는 REST API를 사용하여 LUIS 애플리케이션을 마이그레이션합니다.
LUIS 포털을 사용하여 LUIS 애플리케이션 마이그레이션
LUIS 포털을 사용하여 마이그레이션을 시작하려면 다음 단계를 수행합니다.
LUIS 포털에 로그인한 후 화면 맨 위에 있는 배너의 단추를 클릭하여 마이그레이션 마법사를 시작합니다. 마이그레이션은 선택한 LUIS 애플리케이션만 CLU에 복사합니다.
마이그레이션 개요 탭은 대화형 언어 이해 및 그 이점에 대한 간략한 설명을 제공합니다. 계속하려면 다음을 누릅니다.
LUIS 애플리케이션을 마이그레이션할 언어 리소스를 결정합니다. 언어 리소스를 이미 만든 경우 Azure 구독과 언어 리소스를 차례로 선택하고 다음을 클릭합니다. 언어 리소스가 없는 경우 링크를 클릭하여 새 언어 리소스를 만듭니다. 그런 다음 리소스를 선택하고 다음을 클릭합니다.
마이그레이션하려는 모든 LUIS 애플리케이션을 선택하고 각 버전을 지정합니다. 다음을 클릭합니다. 애플리케이션 및 버전을 선택하면 LUIS 애플리케이션에서 이월되지 않는 기능을 알리는 메시지가 표시됩니다.
참고
특수 문자는 대화 언어 이해에서 지원되지 않습니다. 선택한 LUIS 애플리케이션 이름의 특수 문자는 새 마이그레이션된 애플리케이션에서 제거됩니다.
언어 리소스 및 LUIS 애플리케이션 선택을 검토합니다. 마침을 클릭하여 애플리케이션을 마이그레이션합니다.
팝업 창을 사용하면 애플리케이션의 마이그레이션 상태를 추적할 수 있습니다. 마이그레이션을 시작하지 않은 애플리케이션의 상태는 시작되지 않음입니다. 마이그레이션을 시작한 애플리케이션의 상태는 진행 중이며 마이그레이션이 완료되면 성공이 됩니다. 실패한 애플리케이션은 마이그레이션 프로세스를 반복해야 했음을 의미합니다. 모든 애플리케이션에 대해 마이그레이션이 완료되면 완료를 선택합니다.
애플리케이션이 마이그레이션된 후 다음 단계를 수행할 수 있습니다.
질문과 대답
CLU에서 지원되는 LUIS JSON 버전은 무엇인가요?
CLU는 모델 JSON 버전 7.0.0을 지원합니다. JSON 형식이 이전인 경우 먼저 LUIS로 가져온 다음, 최신 버전을 사용하여 LUIS에서 내보내야 합니다.
CLU에서 엔터티는 어떻게 다른가요?
CLU에서 단일 엔터티에는 추출을 위한 다양한 메서드인 여러 엔터티 구성 요소가 있을 수 있습니다. 그런 다음 이러한 구성 요소는 정의할 수 있는 규칙을 사용하여 함께 결합됩니다. 사용 가능한 구성 요소는 다음과 같습니다.
- 학습됨: LUIS의 ML 엔터티와 동일한 레이블은 제공된 레이블의 콘텐츠 및 컨텍스트를 기반으로 엔터티를 예측하도록 기계 학습 모델을 학습시키는 데 사용됩니다.
- 목록: LUIS의 목록 엔터티와 마찬가지로 목록 구성 요소는 동의어 집합과 정확히 일치하며 목록 키라는 정규화된 값에 다시 매핑됩니다.
- 미리 빌드됨: 미리 빌드된 구성 요소를 사용하면 LUIS 및 CLU 모두에서 사용할 수 있는 공통 형식에 대해 미리 빌드된 추출기를 사용하여 엔터티를 정의할 수 있습니다.
- Regex: Regex 구성 요소는 정규식을 사용하여 LUIS의 정규식 엔터티와 똑같이 사용자 지정 정의된 패턴을 캡처합니다.
LUIS의 엔터티는 동일한 구성 요소가 전송된 CLU에서 동일한 이름의 엔터티로 전송됩니다.
마이그레이션한 후에는 구조화된 기계 학습 리프 노드와 하위 수준 하위 엔터티가 새 CLU 모델로 전송되고 모든 부모 엔터티와 상위 수준 엔터티는 무시됩니다. 엔터티의 이름은 부모 엔터티와 연결된 하위 수준 엔터티의 이름이 됩니다.
예제:
LUIS 엔터티:
- 피자 주문
- 토 핑
- 크기
CLU에서 마이그레이션된 LUIS 엔터티:
- 피자 주문.토핑
- Pizza Order.Size
동일한 문자 범위에 대해 CLU의 서로 다른 엔터티 2개에 레이블을 지정할 수도 없습니다. CLU의 학습된 구성 요소는 상호 배타적이며 학습된 구성 요소에 대해서만 겹치는 예측을 제공하지 않습니다. LUIS 애플리케이션을 마이그레이션할 때 겹치는 엔터티 레이블은 가장 긴 레이블을 유지하고 다른 레이블을 무시했습니다.
엔터티 구성 요소에 대한 자세한 내용은 엔터티 구성 요소를 참조하세요.
엔터티 역할은 어떻게 CLU로 전송되는가?
역할은 레이블이 지정된 발화와 함께 고유한 엔터티로 전송됩니다. 각 역할의 엔터티 형식은 채워질 엔터티 구성 요소를 결정합니다. 예를 들어 목록 엔터티 역할은 채워진 목록 구성 요소를 사용하여 역할과 이름이 같은 엔터티로 전송됩니다.
엔터티 기능은 CLU에서 어떻게 전송되는가?
의도의 기능으로 사용되는 엔터티는 전송되지 않습니다. 다른 엔터티의 기능으로 사용되는 엔터티는 엔터티의 관련 구성 요소를 채웁다. 예를 들어 SizeList라는 목록 엔터티가 Size라는 기계 학습 엔터티의 기능으로 사용된 경우 Size 엔터티는 SizeList의 목록 값이 목록 구성 요소에 추가된 CLU로 전송됩니다. 미리 빌드된 엔터티 및 정규식 엔터티도 마찬가지입니다.
CLU에서 엔터티 신뢰도 점수는 어떻게 다른가요?
추출된 엔터티는 100% 신뢰도 점수를 가지므로 엔터티 간 결정을 내리는 데 엔터티 신뢰도 점수를 사용하면 안 됩니다.
대화형 언어는 다국어를 어떻게 이해합니까?
대화 언어 이해 프로젝트는 다른 언어로 된 발화를 허용합니다. 또한 모델을 한 언어로 학습시키고 다른 언어로 예측하도록 확장할 수 있습니다.
예제:
학습 발화(영어): 어떻게 하시나요?
레이블이 지정된 의도: 인사말
런타임 발화(프랑스어): 주석 ça va?
예측된 의도: 인사말
CLU의 정확도가 LUIS보다 어떻게 더 나은가요?
CLU는 최첨단 모델을 사용하여 다양한 의도 분류 및 엔터티 추출 모델의 기계 학습 성능을 향상시킵니다.
이러한 모델은 사소한 변형에 민감하지 않으며 문장 부호 정규화, 분음 부호 정규화, 단어 형식 정규화 및 모든 학습 데이터 사용 설정의 필요성을 제거합니다.
또한 새 모델은 더 나은 정확도를 위해 의미상 유사한 단어를 제공하기 위해 사용자의 추가 정보가 더 이상 필요하지 않으므로 구 목록 기능을 지원하지 않습니다. 패턴은 새 모델 패러다임에 필요하지 않은 규칙 기반 일치 기술을 사용하여 향상된 의도 분류를 제공하는 데도 사용되었습니다. 아래 질문은 이를 자세히 설명합니다.
LUIS에서 사용 중인 기능이 더 이상 없는 경우 어떻게 해야 하나요?
LUIS에는 CLU에서 더 이상 사용할 수 없는 몇 가지 기능이 있습니다. 여기에는 기능 엔지니어링, 패턴 및 pattern.any 엔터티 및 구조화된 엔터티를 수행하는 기능이 포함됩니다. LUIS에서 이러한 기능에 대한 종속성이 있는 경우 다음 지침을 사용합니다.
패턴: 정규식 템플릿 발화를 정의하여 의도 분류를 지원하기 위해 LUIS에 패턴이 추가되었습니다. 여기에는 발화 예제 없이 패턴 전용 의도를 정의하는 기능이 포함되었습니다. CLU는 최첨단 모델을 활용하여 일반화할 수 있습니다. CLU의 의도에 특정 패턴과 일치하는 몇 가지 발화를 제공할 수 있으며 패턴 템플릿 발화 없이도 다른 패턴을 상위 의도로 분류할 수 있습니다. 이렇게 하면 LUIS에서 제한되었던 이러한 패턴을 작성해야 하는 요구 사항이 간소화되고 더 나은 의도 분류 환경을 제공합니다.
구 목록 기능: 기능을 연결하는 기능은 주로 사용할 주요 요소/기능을 강조 표시하여 의도 분류를 지원하기 위해 발생했습니다. CLU에서 사용되는 심층 모델이 이미 언어에 내재된 요소를 식별할 수 있으므로 더 이상 필요하지 않습니다. 따라서 이러한 기능을 제거해도 모델의 분류 기능에는 영향을 주지 않습니다.
구조적 엔터티: 구조적 엔터티를 정의하는 기능은 주로 발화의 다단계 구문 분석을 사용하도록 설정하는 것이었습니다. 하위 엔터티의 다양한 가능성으로 LUIS는 다양한 엔터티 조합을 정의하고 모델에 예제로 제공해야 했습니다. CLU에서는 겹치는 학습된 구성 요소가 지원되지 않으므로 이러한 구조화된 엔터티는 더 이상 지원되지 않습니다. 이러한 구조화된 추출을 처리하는 몇 가지 가능한 방법이 있습니다.
- 모호하지 않은 추출: 대부분의 경우 리프 엔터티의 검색은 전체 범위 내에서 필요한 항목을 이해하기에 충분합니다. 예를 들어 원본 및 대상(런던에서 뉴욕으로 또는 회사 홈)에 완전히 걸친 Trip과 같은 구조화된 엔터티는 원본 및 대상에 대해 예측된 개별 범위로 식별할 수 있습니다. 개별 예측으로서의 존재는 Trip 엔터티를 알려줍니다.
- 모호한 추출: 서로 다른 하위 엔터티의 경계가 명확하지 않은 경우 예를 들어 "페퍼로니 피자와 추가 치즈 채식 피자를 주문하고 싶습니다"를 예로 들어 보겠습니다. 다양한 피자 종류와 토핑 수정을 추출할 수 있지만 컨텍스트 없이 추출하면 추가 치즈가 추가되는 위치가 모호합니다. 이 경우 범위의 범위는 컨텍스트 기반이며 이를 확인하려면 ML이 필요합니다. 모호한 추출의 경우 다음 방법 중 하나를 사용할 수 있습니다.
- 하위 엔터티를 동일한 엔터티 내의 다른 엔터티 구성 요소로 결합합니다.
예제:
LUIS 구현:
- 피자 주문(엔터티)
- 크기(하위 엔티티)
- 수량(하위 엔티티)
CLU 구현:
- 피자 주문(엔터티)
- 크기(목록 엔터티 구성 요소: small, medium, large)
- 수량(미리 빌드된 엔터티 구성 요소: number)
CLU에서는 크기 및 수량을 포함하는 Pizza Order 의 전체 범위에 레이블을 지정합니다. 이 범위는 크기에 대한 목록 키와 동일한 엔터티 개체의 수량에 대한 숫자 값으로 피자 주문을 반환합니다.
- 엔터티에 여러 수준의 깊이가 포함된 더 복잡한 문제의 경우 엔터티 구조의 각 깊이 수준에 대한 프로젝트를 만들 수 있습니다. 이렇게 하면 다음을 수행할 수 있는 옵션이 제공됩니다.
- 각 프로젝트에 발화를 전달합니다.
- 단계 진행 CLU에서 각 프로젝트의 분석을 결합합니다.
이 개념에 대한 자세한 예제는 GitHub에서 사용할 수 있는 피자 샘플 프로젝트를 확인하세요.
CLU에서 버전을 관리할 어떻게 할까요? 있나요?
CLU는 모델을 학습시키는 데 사용되는 데이터 자산을 저장합니다. 언제든지 모델의 자산을 내보내거나 프로젝트에 다시 로드할 수 있습니다. 따라서 모델은 프로젝트의 다른 버전으로 작동합니다.
Language Studio를 사용하거나 프로그래밍 방식으로 CLU 프로젝트를 내보내고 다른 버전의 자산을 로컬에 저장할 수 있습니다.
CLU 분류가 LUIS와 다른 이유는 무엇인가요? 없음 분류는 어떻게 작동하나요?
CLU는 이진 분류가 아닌 다중 분류를 사용하여 학습 모델에 대한 다른 접근 방식을 제공합니다. 결과적으로 점수 해석은 다르며 학습 옵션 간에도 다릅니다. 더 나은 결과를 얻을 수 있지만 점수의 차이를 관찰하고 의도 예측을 수락하기 위한 새 임계값을 결정해야 합니다. 프로젝트 설정에서 None 의도 에 대한 신뢰도 점수 임계값을 쉽게 추가할 수 있습니다. 이렇게 하면 상위 의도가 제공된 신뢰도 점수 임계값을 초과하지 않으면 None 이 상위 의도로 반환됩니다.
LUIS보다 CLU 모델에 더 많은 데이터가 필요한가요?
새 CLU 모델은 LUIS보다 언어에 대한 의미 체계를 더 잘 이해하고 있으며, 결과적으로 데이터가 크게 감소하여 모델이 일반화되도록 하는 데 도움이 됩니다. 데이터 양을 줄이는 것을 목표로 해서는 안 되지만 LUIS에 비해 CLU의 변형 및 동의어에 더 나은 성능과 복원력을 기대해야 합니다.
LUIS 앱을 마이그레이션하지 않으면 삭제되나요?
기존 LUIS 애플리케이션은 2025년 10월 1일까지 사용할 수 있습니다. 이 시간이 지나면 더 이상 해당 애플리케이션을 사용할 수 없으며 서비스 엔드포인트가 더 이상 작동하지 않으며 애플리케이션이 영구적으로 삭제됩니다.
입니다. CLU에서 지원되는 LU 파일은 무엇인가요?
CLU에서 JSON 형식만 지원됩니다. 를 가져올 수 있습니다. LU 파일을 LUIS로 내보내 JSON 형식으로 내보내거나 애플리케이션에 대해 위의 마이그레이션 단계를 따를 수 있습니다.
CLU의 서비스 제한은 무엇인가요?
자세한 내용은 서비스 제한 문서를 참조하세요.
LUIS에서 CLU로 애플리케이션을 마이그레이션하는 경우 코드를 리팩터링해야 하나요?
CLU 애플리케이션의 API 개체는 LUIS와 다르므로 코드 리팩터링이 필요합니다.
LUIS 프로그래밍 방식 및 런타임 API를 사용하는 경우 해당 API로 바꿀 수 있습니다.
CLU 작성 API: 발화 추가, 엔터티 삭제 및 의도 이름 바꾸기와 같은 개별 작업에 대한 LUIS의 특정 CRUD API 대신 CLU는 동일한 이름을 사용하여 프로젝트의 전체 콘텐츠를 대체하는 가져오기 API 를 제공합니다. 서비스에서 LUIS 프로그래밍 API를 사용하여 다른 고객을 위한 플랫폼을 제공한 경우 이 새로운 디자인 패러다임을 고려해야 합니다. 프로젝트 나열, 학습, 배포 및 삭제와 같은 다른 모든 API를 사용할 수 있습니다. 가져오기 및 배포와 같은 작업에 대한 API는 LUIS에서와 같이 동기 작업이 아닌 비동기 작업입니다.
CLU 런타임 API: 새 API 요청 및 응답에는 쿼리, 예측, 상위 의도, 의도, 엔터티 및 해당 값과 같은 많은 동일한 매개 변수가 포함됩니다. CLU 응답 개체는 보다 간단한 방법을 제공합니다. 엔터티 예측은 발화 텍스트 내에 있으므로 제공되며 확인 또는 목록 키와 같은 추가 정보는 및 resolution라는 extraInformation 추가 매개 변수에 제공됩니다. API 응답 구조에 대한 자세한 내용은 참조 설명서를 참조하세요.
.NET 또는 Python CLU 런타임 SDK를 사용하여 LUIS 런타임 SDK를 바꿀 수 있습니다. 현재 CLU에 사용할 수 있는 제작 SDK가 없습니다.
CLU에서 학습 시간은 어떻게 달라지나요? 표준 교육은 고급 교육과 어떻게 다른가요?
CLU는 영어로 학습하고 학습하는 표준 교육을 제공하며 LUIS의 학습 시간과 비슷합니다. 또한 학습을 지원되는 다른 모든 언어로 확장할 때 훨씬 더 긴 시간이 걸리는 고급 학습을 제공합니다. 학습 API는 계속해서 비동기 프로세스이며 솔루션에 사용하는 DevOps 프로세스의 변경 내용을 평가해야 합니다.
LUIS에 비해 CLU에서 환경이 어떻게 변경되었나요? 개발 수명 주기는 어떻게 다른가요?
LUIS에서는 Build-Train-Test-Publish를 사용하는 반면 CLU에서는 Build-Train-Evaluate-Deploy-Test를 빌드합니다.
- 빌드: CLU에서 학습하기 전에 의도, 엔터티 및 발화를 정의할 수 있습니다. 또한 CLU는 모델 평가에 사용할 애플리케이션을 빌드할 때 테스트 데이터를 지정할 수 있는 기능을 제공합니다. 평가는 모델이 테스트 데이터에서 얼마나 잘 수행되는지 평가하고 정밀도, 재현율 및 F1 메트릭을 제공합니다.
- 학습: 학습할 때마다 이름을 가진 모델을 만듭니다. 이미 학습된 모델을 덮어쓸 수 있습니다. 표준 또는 고급 학습을 지정하고 평가에 테스트 데이터를 사용할지 또는 학습에서 제외되고 테스트 데이터로 사용할 학습 데이터의 백분율을 사용할지 결정할 수 있습니다. 학습이 완료되면 외부에서 모델이 얼마나 잘 수행되고 있는지 평가할 수 있습니다.
- 배포: 학습이 완료되고 이름이 지정된 모델이 있으면 예측을 위해 배포할 수 있습니다. 배포의 이름도 지정되며 할당된 모델이 있습니다. 동일한 모델에 대해 여러 배포가 있을 수 있습니다. 배포를 다른 모델로 덮어쓰거나 프로젝트의 다른 배포와 모델을 교환할 수 있습니다.
- 테스트: 배포가 완료되면 배포 엔드포인트를 통해 예측에 사용할 수 있습니다. 배포 테스트 페이지의 스튜디오에서 테스트할 수도 있습니다.
이 프로세스는 애플리케이션 ID가 모든 항목에 연결되고 스테이징 또는 프로덕션 슬롯에 애플리케이션 버전을 배포한 LUIS와는 대조적입니다.
이는 사용하는 DevOps 프로세스에 영향을 줍니다.
CLU에 컨테이너 지원이 있나요?
아니요, CLU를 컨테이너로 내보낼 수 없습니다.
마이그레이션 후 LUIS 애플리케이션의 이름은 CLU에서 어떻게 지정되나요?
LUIS 애플리케이션 이름의 특수 문자가 제거됩니다. 지워진 이름 길이가 50자보다 크면 추가 문자가 제거됩니다. 특수 문자를 제거한 후의 이름이 비어 있으면(예: LUIS 애플리케이션 이름이 @@인 경우) 새 이름은 제목이 지정되지 않습니다. 동일한 이름의 대화 언어 이해 프로젝트가 이미 있는 경우 마이그레이션된 LUIS 애플리케이션이 첫 번째 중복에 대해 와 함께 _1 추가되고 추가 중복될 때마다 1씩 증가합니다. 새 이름의 길이가 50자이고 이름을 바꿔야 하는 경우 마지막 1~2자가 제거되어 숫자를 연결할 수 있고 여전히 50자 제한 내에 있습니다.
LUIS Q&A에서 마이그레이션
이 문서에서 답변이 없는 질문이 있는 경우 Microsoft Q&A 스레드에 질문을 남겨 두는 것이 좋습니다.