Aracılığıyla paylaş


Ortak sözlük ve kavramların dil anlama sözlüğü

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 (LUIS) sözlüğü, LUIS hizmetiyle çalışırken karşılaşabileceğiniz terimleri açıklar.

Etkin sürüm

Etkin sürüm, LUIS portalını kullanarak modelde değişiklik yaptığınızda güncelleştirilen uygulamanızın sürümüdür . LUIS portalında, etkin sürüm olmayan bir sürümde değişiklik yapmak istiyorsanız, önce bu sürümü etkin olarak ayarlamanız gerekir.

Etkin öğrenme

Etkin öğrenme, etiketlenen bilgilendirici yeni örnekleri tanımlamak için makine öğrenmesi modelinin kullanıldığı bir makine öğrenmesi tekniğidir. LUIS'te etkin öğrenme, modelinizi geliştirmek için geçerli tahminleri belirsiz olan uç nokta trafiğinden konuşmalar eklemeyi ifade eder. Etikete eklenecek konuşmaları görüntülemek için "uç nokta konuşmalarını gözden geçir" seçeneğini belirleyin.

Ayrıca bkz:

Uygulama (Uygulama)

LUIS'te uygulamanız veya uygulamanız, belirli bir senaryonun amaçlarını ve varlıklarını tahmin etmek için birlikte çalışan, aynı veri kümesi üzerinde oluşturulmuş makine öğrenmesi modellerinden oluşan bir koleksiyondur. Her uygulamanın ayrı bir tahmin uç noktası vardır.

İk botu oluşturuyorsanız, tek bir uygulamada gruplandırdığınız bu amaçlardan her biri için "İzin zamanını zamanla", "avantajları sorgulama" ve "kişisel bilgileri güncelleştirme" ve varlıklar gibi bir dizi amacınız olabilir.

Yazma

Yazma, LUIS portalını veya yazma API'lerini kullanarak bir LUIS uygulaması oluşturma, yönetme ve dağıtma özelliğidir.

Yazma Anahtarı

Yazma anahtarı , uygulamayı yazmak için kullanılır. Üretim düzeyi uç nokta sorguları için kullanılmaz. Daha fazla bilgi için bkz . kaynak sınırları.

Yazma Kaynağı

LUIS yazma kaynağınız , Azure aracılığıyla kullanılabilen yönetilebilir bir öğedir. Kaynak, Azure hizmetinin ilişkili yazma, eğitim ve yayımlama özelliklerine erişiminizdir. Kaynak, ilişkili Azure hizmetine erişmek için ihtiyacınız olan kimlik doğrulaması, yetkilendirme ve güvenlik bilgilerini içerir.

Yazma kaynağının Azure "türü" vardır LUIS-Authoring.

Toplu test

Toplu test, geçerli bir LUIS uygulamasının modellerini tutarlı ve bilinen bir kullanıcı konuşmaları test kümesiyle doğrulama özelliğidir. Toplu test, JSON biçimli bir dosyada tanımlanır.

Ayrıca bkz:

F ölçüsü

Toplu testte, testin doğruluğuna ilişkin bir ölçü.

Hatalı negatif sonuç (FN)

Toplu testte veri noktaları, uygulamanızın hedef amacın/varlığın yokluğunu yanlış tahmin ettiği konuşmaları temsil eder.

Hatalı pozitif sonuç (FP)

Toplu testte veri noktaları, uygulamanızın hedef amacın/varlığın varlığını yanlış tahmin ettiği konuşmaları temsil eder.

Duyarlık

Toplu testte duyarlık (pozitif tahmine dayalı değer olarak da adlandırılır), alınan konuşmalar arasındaki ilgili konuşmaların bölümüdür.

Hayvan toplu testi örneği, tahmin edilen koyun sayısının toplam hayvan sayısına (koyun ve koyun olmayan) bölünmesidir.

Geri çek

Toplu testte geri çağırma (duyarlılık olarak da bilinir), LUIS'in genelleştirebilmesidir.

Hayvan toplu testi için bir örnek, tahmin edilen koyun sayısının toplam koyun sayısına bölünmesidir.

Doğru negatif sonuç (TN)

Gerçek negatif, uygulamanızın eşleşmeyi doğru şekilde tahmin ettiğinde oluşur. Toplu testte, uygulamanız bu amaç veya varlıkla etiketlenmemiş bir örnek için bir amacı veya varlığı tahmin ettiğinde gerçek bir negatif oluşur.

Doğru pozitif sonuç (TP)

Gerçek pozitif (TP) Uygulamanızın bir eşleşmeyi doğru tahmin ettiğinde gerçek pozitiftir. Toplu testte, uygulamanız bu amaç veya varlıkla etiketlenmiş bir örneğin amacını veya varlığını tahmin ettiğinde gerçek bir pozitif sonuç oluşur.

Sınıflandırıcı

Sınıflandırıcı, bir girişin hangi kategoriye veya sınıfa uyduğunu tahmin eden makine öğrenmesi modelidir.

Amaç, sınıflandırıcı örneğidir.

Ortak Çalışan

ortak çalışan, kavramsal olarak katkıda bulunanla aynıdır. Bir sahip, azure rol tabanlı erişim denetimi (Azure RBAC) ile denetlenmeyen bir uygulamaya ortak çalışanın e-posta adresini eklediğinde ortak çalışana erişim verilir. İşbirlikçileri kullanmaya devam ediyorsanız LUIS hesabınızı geçirmeniz ve Azure RBAC ile katkıda bulunanları yönetmek için LUIS yazma kaynaklarını kullanmanız gerekir.

Katılımcı

Katkıda bulunan, uygulamanın sahibi değildir, ancak amaçları, varlıkları, ifadeleri eklemek, düzenlemek ve silmek için aynı izinlere sahiptir. Katkıda bulunan, LUIS uygulamasına Azure rol tabanlı erişim denetimi (Azure RBAC) sağlar.

Ayrıca bkz:

  • Katkıda bulunanları ekleme

Tanımlayıcısı

Tanımlayıcı, daha önce makine öğrenmesi özelliği için kullanılan terimdir.

Domain

LUIS bağlamında, etki alanı bir bilgi alanıdır. Etki alanınız senaryonuza özeldir. Farklı etki alanları, etki alanı bağlamında anlamı olan belirli bir dili ve terminolojiyi kullanır. Örneğin, müzik çalmak için bir uygulama oluşturuyorsanız, uygulamanızda müziğe özgü terimler ve diller (şarkı, parça, albüm, şarkı sözleri, b tarafı, sanatçı" gibi sözcükler bulunur. Etki alanları örnekleri için bkz . önceden oluşturulmuş etki alanları.

Uç nokta

Yazma uç noktası

LUIS yazma uç noktası URL'si, uygulamanızın yazıldığı, eğitildiği ve yayımlandığı yerdir. Uç nokta URL'si, yayımlanan uygulamanın bölgesini veya özel alt etki alanını ve uygulama kimliğini içerir.

Geliştirici başvurusundan uygulamanızı program aracılığıyla yazma hakkında daha fazla bilgi edinin

Tahmin uç noktası

LUIS tahmin uç noktası URL'si, LUIS uygulaması yazıldıktan ve yayımlandıktan sonra LUIS sorguları gönderdiğiniz yerdir. Uç nokta URL'si, yayımlanan uygulamanın bölgesini veya özel alt etki alanını ve uygulama kimliğini içerir. Uç noktayı uygulamanızın Azure kaynakları sayfasında bulabilir veya Uygulama Bilgisi Al API'sinden uç nokta URL'sini alabilirsiniz.

Tahmin uç noktasına erişiminiz LUIS tahmin anahtarıyla yetkilendirilmiştir.

Entity

Varlıklar , ifadelerde bir amacı yerine getirmek veya tanımlamak için kullanılan bilgileri açıklayan sözcüklerdir. Varlığınız karmaşıksa ve modelinizin belirli bölümleri tanımlamasını istiyorsanız, modelinizi alt varlıklara bölebilirsiniz. Örneğin, modelinizin bir adresi tahmin etmelerini, aynı zamanda sokak, şehir, eyalet ve posta kodu alt varlıklarını tahmin etmelerini isteyebilirsiniz. Varlıklar, modeller için özellik olarak da kullanılabilir. LUIS uygulamasından gelen yanıtınız hem tahmin edilen amaçları hem de tüm varlıkları içerir.

Varlık ayıklayıcısı

Bazen yalnızca ayıklayıcı olarak bilinen varlık ayıklayıcısı, LUIS'in varlıkları tahmin etmek için kullandığı makine öğrenmesi modeli türüdür.

Varlık şeması

Varlık şeması, alt varlıklara sahip makine öğrenmesi varlıkları için tanımladığınız yapıdır. Tahmin uç noktası, şemada tanımlanan ayıklanan varlıkların ve alt varlıkların tümünü döndürür.

Varlığın alt varlığı

Alt varlık, makine öğrenmesi varlığının alt varlığıdır.

Makine öğrenmesi olmayan varlık

Verileri ayıklamak için metin eşleştirme kullanan bir varlık:

  • Liste varlığı
  • Normal ifade varlığı

Liste varlığı

Liste varlığı , eş anlamlılarıyla birlikte sabit, kapalı bir ilişkili sözcük kümesini temsil eder. Liste varlıkları, makinelenmiş öğrenilen varlıkların aksine tam eşleşmelerdir.

Liste varlığındaki bir sözcüğün listeye dahil edilmesi durumunda varlık tahmin edilir. Örneğin, "boyut" adlı bir liste varlığınız varsa ve listede "küçük, orta, büyük" sözcükleri varsa, bağlam ne olursa olsun "küçük", "orta" veya "büyük" sözcüklerinin kullanıldığı tüm ifadeler için boyut varlığı tahmin edilir.

Regular expression

Normal ifade varlığı normal bir ifadeyi temsil eder. Normal ifade varlıkları, makinelenmiş öğrenilen varlıkların aksine tam eşleşmelerdir.

Önceden oluşturulmuş varlık

Önceden oluşturulmuş varlık için bkz. Önceden oluşturulmuş modelin girişi.

Özellikler

Makine öğrenmesinde bir özellik, modelin belirli bir kavramı tanımasını sağlayan bir özelliktir. Luis'in kullanabileceği bir ipucudur, ancak zor bir kural değildir.

Bu terim, makine öğrenmesi özelliği olarak da adlandırılır.

Bu ipuçları, yeni verileri tahmin etmeyi öğrenmek için etiketlerle birlikte kullanılır. LUIS hem tümcecik listelerini hem de diğer modelleri özellik olarak kullanmayı destekler.

Gerekli özellik

Gerekli bir özellik, LUIS modelinin çıkışını kısıtlamanın bir yoludur. Bir varlığın özelliği gerekli olarak işaretlendiğinde, makine öğrenmesi modelinin tahminlerinden bağımsız olarak varlığın tahmin edilmesi için bu özelliğin örnekte mevcut olması gerekir.

Menü sıralama botu için miktar varlığında gerekli olarak işaretlediğiniz önceden oluşturulmuş bir numara özelliğine sahip olduğunuz bir örneği düşünün. Botunuz ifadesini gördüğünde I want a bajillion large pizzas?, bajillion göründüğü bağlamdan bağımsız olarak miktar olarak tahmin edilmez. Bajillion geçerli bir sayı değildir ve önceden oluşturulmuş sayı varlığı tarafından tahmin edilmeyecektir.

Amaç

Amaç, kullanıcının gerçekleştirmek istediği bir görevi veya eylemi temsil eder. Bu, bir kullanıcının girişinde ifade edilen uçuş rezervasyonu veya fatura ödeme gibi bir amaç veya hedeftir. LUIS'de, bir bütün olarak ifade amaç olarak sınıflandırılır, ancak konuşmanın bazı bölümleri varlık olarak ayıklanır.

Etiketleme örnekleri

Etiketleme veya işaretleme, pozitif veya negatif bir örneği bir modelle ilişkilendirme işlemidir.

Amaçlar için etiketleme

LUIS'te, bir uygulama içindeki amaçlar birbirini dışlar. Başka bir deyişle, bir amaca konuşma eklediğinizde, bu amaç için olumlu bir örnek ve diğer tüm amaçlar için olumsuz bir örnek olarak kabul edilir. Olumsuz örnekler, uygulamanın kapsamı dışındaki ifadeleri temsil eden "Yok" amacıyla karıştırılmamalıdır.

Varlıklar için etiketleme

LUIS'te, bir amacın örnek ifadesindeki bir sözcüğü veya tümceciği pozitif bir örnek olarak bir varlıkla etiketleyebilirsiniz. Etiketleme, sözler için tahmin etmesi gereken amacı gösterir. Etiketli konuşmalar amacı eğitmek için kullanılır.

LUIS uygulaması

Uygulama (uygulama) tanımına bakın.

Model

(Makine öğrenmesi) modeli, giriş verileri üzerinde tahminde bulunan bir işlevdir. LUIS'de amaç sınıflandırıcıları ve varlık ayıklayıcılarını genel olarak "modeller" olarak adlandırıyoruz ve birlikte eğitilen, yayımlanan ve sorgulanan bir model koleksiyonunu "uygulama" olarak adlandırıyoruz.

Normalleştirilmiş değer

Liste varlıklarınıza değerler eklersiniz. Bu değerlerin her biri bir veya daha fazla eş anlamlının listesine sahip olabilir. Yanıtta yalnızca normalleştirilmiş değer döndürülür.

Fazla uygunluk

Fazla uygunluk, model belirli örneklere sabitlendiğinde ve genelleştirilemediğinde gerçekleşir.

Sahip

Her uygulamanın, uygulamayı oluşturan kişi olan bir sahibi vardır. Sahibi, Azure portalında uygulama izinlerini yönetir.

Tümcecik listesi

Tümcecik listesi , aynı sınıfa ait olan ve benzer şekilde (örneğin, şehirlerin veya ürünlerin adları) ele alınması gereken bir değer grubu (sözcükler veya tümcecikler) içeren belirli bir makine öğrenmesi özelliği türüdür.

Önceden oluşturulmuş model

Önceden oluşturulmuş model, etiketli örneklerin yanı sıra her ikisinin de amacı, varlığı veya koleksiyonudur. Bu yaygın önceden oluşturulmuş modeller, uygulamanız için gereken model geliştirme çalışmalarını azaltmak için uygulamanıza eklenebilir.

Önceden oluşturulmuş etki alanı

Önceden oluşturulmuş etki alanı, ev otomasyonu (HomeAutomation) veya restoran rezervasyonları (RestaurantReservation) gibi belirli bir etki alanı için yapılandırılmış bir LUIS uygulamasıdır. Amaçlar, ifadeler ve varlıklar bu etki alanı için yapılandırılır.

Önceden oluşturulmuş varlık

Önceden oluşturulmuş varlık, LUIS'in sayı, URL ve e-posta gibi yaygın bilgi türleri için sağladığı varlıktır. Bunlar genel verilere göre oluşturulur. Önceden oluşturulmuş bir varlığı tek başına varlık veya bir varlığa özellik olarak eklemeyi seçebilirsiniz.

Önceden oluşturulmuş amaç

Önceden oluşturulmuş bir amaç, LUIS'in yaygın bilgi türleri için sağladığı ve kendi etiketlenmiş örnek konuşmalarıyla birlikte gelen bir amaçtır.

Tahmin

Tahmin, Azure LUIS tahmin hizmetine yönelik, yeni veriler (kullanıcı konuşmaları) alan ve hangi amaçların ve varlıkların bulunduğunu belirlemek için eğitilen ve yayımlanan uygulamayı bu verilere uygulayan bir REST isteğidir.

Tahmin anahtarı

Tahmin anahtarı, Azure'da oluşturduğunuz LUIS hizmetiyle ilişkilendirilmiş olan ve tahmin uç noktası kullanımınızı yetkilendirilen anahtardır.

Bu anahtar yazma anahtarı değildir. Tahmin uç noktası anahtarınız varsa, yazma anahtarı yerine tüm uç nokta istekleri için kullanılmalıdır. Luis web sitesindeki Azure kaynakları sayfasının alt kısmındaki uç nokta URL'sinin içinde geçerli tahmin anahtarınızı görebilirsiniz. Abonelik anahtarı adı/değer çiftinin değeridir.

Tahmin kaynağı

LUIS tahmin kaynağınız, Azure aracılığıyla kullanılabilen yönetilebilir bir öğedir. Kaynak, Azure hizmetinin ilişkili tahminine erişiminizdir. Kaynak tahminleri içerir.

Tahmin kaynağının Azure "türü" vardır LUIS.

Tahmin puanı

Puan, 0 ve 1 arasında bir sayıdır ve sistemin belirli bir giriş konuşmasının belirli bir amaca eşleştiğinden ne kadar emin olduğunu gösteren bir ölçüdür. 1'e yakın bir puan, sistemin çıkışından çok emin olduğu ve 0'a yakın bir puan, sistemin girişin belirli bir çıkışla eşleşmediğinden emin olduğu anlamına gelir. Ortadaki puanlar, sistemin kararı nasıl sağlayacağından çok emin olmadığını gösterir.

Örneğin, bazı müşteri metinlerinin yiyecek siparişi içerip içermediğini belirlemek için kullanılan bir model alın. "Bir kahve sipariş etmek istiyorum" (sistem bunun bir sipariş olduğundan çok emin) için 1 puan ve "takımım dün gece oyunu kazandı" için 0 puan verebilir (sistem bunun bir SIPARIŞ DEĞİlDİSİNDEN çok emin). Ve "biraz çay içelim" (bunun bir sipariş olup olmadığından emin değil) için 0,5 puanı olabilir.

Programlı anahtar

Yazma anahtarı olarak yeniden adlandırıldı.

Yayımlama

Yayımlama , luis etkin sürümünü hazırlama veya üretim uç noktasında kullanılabilir hale getirme anlamına gelir.

Kota

LUIS kotası, Azure abonelik katmanının sınırlamasıdır. LUIS kotası hem saniyedeki istek sayısı (HTTP Durumu 429) hem de bir aydaki toplam istek sayısı (HTTP Durumu 403) ile sınırlandırılabilir.

Şema

Şemanız, amaçlarınızı ve varlıklarınızı ve alt varlıkları içerir. Şema başlangıçta zaman içinde yinelensin diye planlanır. Şemada uygulama ayarları, özellikler veya örnek konuşmalar yoktur.

Yaklaşım Analizi

Yaklaşım analizi, Dil hizmeti tarafından sağlanan konuşmaların pozitif veya negatif değerlerini sağlar.

Konuşma hazırlama

Konuşma hazırlama, Konuşma Hizmetleri ile senaryonuzda yaygın olarak kullanılan konuşulan sözcüklerin ve tümceciklerin tanınmasını artırır. Konuşma hazırlama özelliği etkinleştirilmiş uygulamalarda, bu uygulama için özelleştirilmiş bir konuşma modeli oluşturularak konuşma tanıma doğruluğunu geliştirmek için LUIS etiketli tüm örnekler kullanılır. Örneğin, bir satranç oyununda kullanıcı "Şövalyeyi taşı" dediğinde bunun "Move night" olarak yorumlandığından emin olmak istersiniz. LUIS uygulaması, "knight" öğesinin varlık olarak etiketlendiği örnekler içermelidir.

Başlangıç anahtarı

LUIS'i ilk kullanmaya başladığınızda kullanılacak ücretsiz anahtar.

Eş Anlamlı Sözcükler

LUIS listesi varlıklarında, her birinin eş anlamlılar listesine sahip olabilecek normalleştirilmiş bir değer oluşturabilirsiniz. Örneğin, küçük, orta, büyük ve fazladan büyük değerleri normalleştirilmiş bir boyut varlığı oluşturursanız. Aşağıdaki gibi her değer için eş anlamlılar oluşturabilirsiniz:

Normalleştirilmiş değer yok Eş Anlamlı Sözcükler
Küçük küçük olan, 8 ons
Orta normal, 12 ons
Büyük büyük, 16 ons
Xtra large en büyük olanı, 24 ons

Girişte eş anlamlılardan herhangi biri görüldüğünde model varlığın normalleştirilmiş değerini döndürür.

Test etme

LUIS uygulamasını test etmek, model tahminlerini görüntüleme anlamına gelir.

Saat dilimi uzaklığı

Uç nokta timezoneOffset içerir. Bu, datetimeV2 önceden oluşturulmuş varlığından eklemek veya kaldırmak istediğiniz dakika cinsinden sayıdır. Örneğin, konuşma "şimdi saat kaç?" ise döndürülen datetimeV2, istemci isteğinin geçerli saatidir. İstemci isteğiniz botunuzun kullanıcısı ile aynı olmayan bir bottan veya başka bir uygulamadan geliyorsa, bot ile kullanıcı arasındaki uzaklığı geçirmeniz gerekir.

Bkz . Önceden oluşturulmuş datetimeV2 varlığının saat dilimini değiştirme.

Belirteç

Belirteç, LUIS'in tanıyabileceği en küçük metin birimidir. Bu, diller arasında biraz farklılık gösterir.

İngilizce için belirteç, harflerin ve sayıların sürekli yayılma alanıdır (boşluk veya noktalama işareti yoktur). Alan bir belirteç DEĞİlDİ.

İfade Belirteç sayısı Açıklama
Dog 1 Noktalama işareti veya boşluk içermeyen tek bir sözcük.
RMT33W 1 Kayıt bulucu numarası. Sayı ve harf olabilir, ancak noktalama işareti yoktur.
425-555-5555 5 Telefon numarası. Her noktalama işareti tek bir belirteç 425-555-5555 olduğundan 5 belirteç olacaktır:
425
-
555
-
5555
https://luis.ai 7 https
:
/
/
luis
.
ai

Eğitim

Eğitim , LUIS'e son eğitimden bu yana etkin sürümde yapılan değişiklikler hakkında bilgi verme sürecidir.

Eğitim verileri

Eğitim verileri, modeli eğitmek için gereken bilgi kümesidir. Buna şema, etiketli konuşmalar, özellikler ve uygulama ayarları dahildir.

Eğitim hataları

Eğitim hataları, eğitim verilerinizin etiketleriyle eşleşmeyen tahminlerdir.

İfade

Konuşma, konuşmadaki bir cümlenin kısa metin temsili olan kullanıcı girişidir. "Gelecek Salı Seattle'a 2 bilet rezervasyonu" gibi doğal bir ifadedir. Modeli eğitmek için örnek konuşmalar eklenir ve model çalışma zamanında yeni konuşma hakkında tahminde bulunur.

Sürüm

LUIS sürümü , LUIS uygulama kimliği ve yayımlanan uç nokta ile ilişkilendirilmiş bir LUIS uygulamasının belirli bir örneğidir. Her LUIS uygulamasının en az bir sürümü vardır.