Dela via

Registrering av entiteter för integrering av konversationsspråkförståelse

  • Artikel

Viktigt!

Power Virtual Agents-funktioner ingår nu i Microsoft Copilot Studio efter betydande investeringar i generativ AI och förbättrade integrationer mellan Microsoft Copilot.

Vissa artiklar och skärmbilder kan referera till Power Virtual Agents när vi uppdaterar dokumentation och utbildning.

Den här artikeln beskriver hur du lägger till språkförståelse-entiteter (CLU) i Copilot Studio-copilots. Entiteterna består av följande booleska, strängdata- och nummerdatatyper. Mer information finns i Datatyper. I de flesta fall går det att använda fördefinierade entiteter till projekten. Om du vill använda CLU-entitetstyper med anpassade JSON-lösningar tillhandahålls följande schemaexempel som referens.

Se Kom i gång med integrering av konversationsspråkförståelse om du vill konfigurera miljön för att mappa CLU-entiteter i Copilot Studio-copilots.

Följande datatyper är tillgängliga för mappning av CLU-entiteter:

  • BooleanDatatype: Choice.Boolean
  • StringDatatype: Geography.Location, Regex , List, General.Event, General.Organization, Phone Number, IpAddress, Person.Name, Phone Number, URL
  • NumberDatatype: Number

Kommentar

Mappning av sammansatta entiteter (entiteter med flera komponenter) till StringDatatype.

Schematabell

Det går att använda JSON-exempelkod för att registrera entiteter till copilots som du skapar. Entiteter matchas mot komplexa datatyper. Du kan mappa CLU-entiteter manuellt till Copilot Studio datatyper genom att kopiera och klistra in följande JSON-kodblock för den relevanta entiteten.

Ålder

{
    "unit": "Year",
    "value": 10
}

Valuta

{
    "unit": "Egyptian pound",
    "ISO4217": "EGP",
    "value": 30
}

Temperatur

{
    "unit": "Fahrenheit",
    "value": 88
}

Ordning

{
    "offset": "3",
    "relativeTo": "Start",
    "value": "3"
}

Dimensioner

{
    "unit": "KilometersPerHour",
    "value": 24
}

Entitetstyper för CLU dateTime

DateTime är en särskild entitetstyp som ändrar den returnerade lösningen baserat på de typer av användarindata som tas emot.

Följande exempel visar hur du konfigurerar entiteter för olika typer av talindata för datum och tid. Det går att skapa egna mappningar efter dessa exempel, beroende på vilken typ av resultat du förväntar dig att copilot-användarna tillhandahåller.

Date

Exempelindata: 1 januari 1995

{
    "dateTimeSubKind": "Date",
    "timex": "1995-01-01",
    "value": "1995-01-01"
}

DateTime (år)

Exempelindata: Vi kommer tillbaka den 12 april

{
    "dateTimeSubKind": "Date",
    "timex": "XXXX-04-12",
    "value": "2022-04-12"
}

DatetimeRange (varaktighet)

Exempelindata: Jag är borta mellan 3 och 12 september.

{
    "resolutionKind": "TemporalSpan",
    "timex": "(XXXX-09-03,XXXX-09-12,P9D)",
    "duration": "P9D",
    "begin": "2022-09-03",
    "end": "2022-09-12"
}

DatetimeRange (ange)

Exempelindata: Varje tisdag

{ 
    "resolutionKind": "DateTime",
    "dateTimeSubKind": "Set",
    "timex": "XXXX-WXX-2",
    "value": "not resolved"
}

Datetime (sedan)

Exempelindata: Jag har varit borta sedan augusti

{
    "resolutionKind": "TemporalSpan",
    "timex": "XXXX-08",
    "begin": "2022-08-01",
    "modifier": "Since"
}

Tid

Exempelindata: Klockan är halv åtta

{
    "resolutionKind": "DateTime",
    "dateTimeSubKind": "Time",
    "timex": "T07:30",
    "value": "07:30:00"
}

Relaterat innehåll