Aracılığıyla paylaş

Amaç ve varlık modelleriyle tasarlama

  • Makale

Önemli

LUIS 1 Ekim 2025'te kullanımdan kaldırılacak ve 1 Nisan 2023'den itibaren yeni LUIS kaynakları oluşturamayacaksınız. Devam eden ürün desteği ve çok dilli özelliklerden yararlanmak için LUIS uygulamalarınızı konuşma dili anlayışına geçirmenizi öneririz.

Language understanding, uygulama şemanızı tanımlamanız için iki tür model sağlar. Uygulama şemanız, yeni bir kullanıcı konuşmasının tahmininden hangi bilgileri alabileceğinizi belirler.

Uygulama şeması, makine öğretimi kullanarak oluşturduğunuz modellerden oluşturulur:

  • Amaçlar, kullanıcı konuşmalarını sınıflandırma
  • Varlıklar konuşmadan veri ayıklar

Yazma, makine öğretimi kullanır

LUIS'in makine öğretim metodolojisi, kavramları bir makineye kolayca öğretmenizi sağlar. LUIS'i kullanmak için makine öğrenmesini anlamak gerekli değildir. Bunun yerine, siz öğretmen olarak, kavram örnekleri sağlayarak ve diğer ilgili kavramlar kullanılarak bir kavramın nasıl modellenmesi gerektiğini açıklayarak LUIS'e bir kavram iletirsiniz. Siz de öğretmen olarak tahmin hatalarını belirleyip düzelterek LUIS'in modelini etkileşimli olarak geliştirebilirsiniz.

Amaçlar ifadeleri sınıflandırır

Amaç, LUIS'e amacı öğretmek için örnek konuşmaları sınıflandırır. Bir amaç içindeki örnek konuşmalar, ifadenin olumlu örnekleri olarak kullanılır. Bu ifadeler diğer tüm amaçlarda olumsuz örnekler olarak kullanılır.

Bir kullanıcının kitap sipariş etme amacını belirlemesi gereken bir uygulamayı ve müşterinin sevkiyat adresine ihtiyacı olan bir uygulamayı düşünün. Bu uygulamanın iki amacı vardır: OrderBook ve ShippingLocation.

Aşağıdaki konuşma, amaç için OrderBook olumlu bir örnek ve ve None amaçları için ShippingLocation negatif bir örnektir:

Buy the top-rated book on bot architecture.

Varlıklar verileri ayıklar

Varlık, ifadeden ayıklanmasını istediğiniz bir veri birimini temsil eder. Makine öğrenmesi varlığı, aynı zamanda makine öğrenmesi varlıkları olan alt varlıkları içeren üst düzey bir varlıktır.

Makine öğrenmesi varlığına örnek olarak uçak bileti siparişi verelim. Kavramsal olarak bu, tarih, saat, koltuk miktarı, birinci sınıf veya koç gibi koltuk türü, başlangıç konumu, hedef konum ve yemek seçimi gibi daha küçük veri birimlerine sahip tek bir işlemdir.

Amaçlarla varlıklar karşılaştırması

Amaç, tüm konuşmanın istenen sonucudur, varlıklar ise konuşmadan ayıklanan veri parçalarıdır. Amaçlar genellikle istemci uygulamasının gerçekleştirmesi gereken eylemlere bağlıdır. Varlıklar, bu eylemi gerçekleştirmek için gereken bilgilerdir. Programlama açısından bakıldığında, bir amaç bir yöntem çağrısını tetikler ve varlıklar bu yöntem çağrısının parametreleri olarak kullanılır.

Bu konuşmanın bir amacı olmalı ve varlıkları olabilir :

Buy an airline ticket from Seattle to Cairo

Bu konuşmanın tek bir amacı vardır:

  • Uçak bileti satın alma

Bu konuşmanın çeşitli varlıkları olabilir :

  • Seattle (kaynak) ve Kahire (hedef) konumları
  • Tek bir biletin miktarı

Varlık modeli ayrıştırma

LUIS, yazma API'leriyle model ayrıştırma desteği seçerek bir kavramı daha küçük parçalara ayırır. Bu, modellerinizi çeşitli parçaların nasıl derlendiğine ve tahmin edileceğine güvenerek oluşturmanıza olanak tanır.

Model ayrıştırma aşağıdaki bölümlere sahiptir:

Özellikler

Özellik, sisteminizin gözlemlediği verilerin ayırt edici bir özelliği veya özniteliğidir. Makine öğrenmesi özellikleri LUIS'e bir kavramı ayırt edecek öğeleri nerede arayacağı konusunda önemli ipuçları verir. Bunlar LUIS'in kullanabileceği ipuçlarıdır, ancak sabit kurallar değildir. Bu ipuçları, verileri bulmak için etiketlerle birlikte kullanılır.

Desenler

Desenler , birkaç konuşma çok benzer olduğunda doğruluğu geliştirmek için tasarlanmıştır. Düzenler, bir amaç için normalde gerekenden çok daha az konuşma sağlayarak doğruluk oranını artırmanıza olanak tanır.

Uygulamayı çalışma zamanında genişletme

Uygulamanın şeması (modeller ve özellikler) eğitilir ve tahmin uç noktasında yayımlanır. Tahmini artırmak için kullanıcının konuşmasıyla birlikte yeni bilgileri tahmin uç noktasına geçirebilirsiniz.

Sonraki adımlar