Wprowadzenie do interpretacji języka konwersacyjnego na platformie Azure
Funkcja interpretacji języka konwersacyjnego w języku sztucznej inteligencji platformy Azure umożliwia tworzenie modelu językowego i używanie go do prognoz. Tworzenie modelu obejmuje definiowanie jednostek, intencji i wypowiedzi. Generowanie przewidywań obejmuje opublikowanie modelu, aby aplikacje klienckie mogły pobierać dane wejściowe i zwracać odpowiedzi użytkownika.
Zasoby platformy Azure na potrzeby interpretacji języka konwersacyjnego
Aby korzystać z możliwości języka konwersacyjnego na platformie Azure, potrzebny jest zasób w ramach subskrypcji platformy Azure. Można użyć następujących typów zasobów:
- Język sztucznej inteligencji platformy Azure: zasób, który umożliwia tworzenie aplikacji z wiodącymi w branży funkcjami interpretacji języka naturalnego bez znajomości uczenia maszynowego. Zasób językowy służy do tworzenia i przewidywania.
- Usługi sztucznej inteligencji platformy Azure: ogólny zasób, który obejmuje interpretację języka konwersacyjnego wraz z wieloma innymi usługami azure AI. Tego typu zasobu można używać tylko na potrzeby przewidywania.
Rozdzielenie zasobów jest przydatne, gdy chcesz śledzić użycie zasobów dla języka AI platformy Azure niezależnie od aplikacji klienckich przy użyciu wszystkich aplikacji usługi Azure AI.
Tworzenie
Po utworzeniu zasobu tworzenia można go użyć do trenowania modelu interpretacji języka konwersacji. Aby wytrenować model, zacznij od zdefiniowania jednostek i intencji, które aplikacja będzie przewidywać, a także wypowiedzi dla każdej intencji, która może służyć do trenowania modelu predykcyjnego.
Zrozumienie języka konwersacyjnego zapewnia kompleksową kolekcję wstępnie utworzonych domen , które obejmują wstępnie zdefiniowane intencje i jednostki dla typowych scenariuszy, których można użyć jako punktu wyjścia dla modelu. Możesz również utworzyć własne jednostki i intencje.
Podczas tworzenia jednostek i intencji, możesz to zrobić w dowolnej kolejności. Można utworzyć intencję i wybrać słowa w zdefiniowanych dla niej przykładowych wypowiedziach, aby utworzyć dla niej jednostki lub utworzyć jednostki wcześniej, a następnie zmapować je na słowa w wypowiedziach podczas tworzenia intencji.
Możesz napisać kod w celu zdefiniowania elementów modelu, ale w większości przypadków najłatwiej jest utworzyć model przy użyciu programu Language Studio — internetowego interfejsu do tworzenia aplikacji usługi Language Understanding i zarządzania nimi.
Trenowanie modelu
Po zdefiniowaniu intencji i jednostek w modelu oraz dołączeniu odpowiedniego zestawu przykładowych wypowiedzi następnym krokiem jest trenowanie modelu. Trenowanie to proces używania przykładowych wypowiedzi w celu nauczenia modelu dopasowywania wyrażeń w języku naturalnym, które użytkownik może powiedzieć, do prawdopodobnych intencji i jednostek.
Po wytrenowaniu modelu możesz go przetestować, przesyłając tekst i przeglądając przewidywane intencje. Trenowanie i testowanie jest procesem iteracyjnym. Po zakończeniu trenowania modelu przetestuj go za pomocą przykładowych wypowiedzi, aby sprawdzić, czy intencje i jednostki są rozpoznawane poprawnie. Jeśli tak nie jest, wprowadź aktualizacje, ponownie przetrenuj i przetestuj.
Przewidywanie
Jeśli wyniki z trenowania i testowania są zadowalające, możesz opublikować aplikację Conversational Language Understanding w zasobie przewidywania na potrzeby użycia.
Aplikacje klienckie mogą korzystać z modelu, łącząc się z punktem końcowym zasobu przewidywania, określając odpowiedni klucz uwierzytelniania oraz przesyłając dane wejściowe użytkownika w celu uzyskania przewidywanych intencji i jednostek. Przewidywania są zwracane do aplikacji klienckiej, która może następnie wykonywać odpowiednie akcje w zależności od przewidywanej intencji.