交談語言理解中使用的術語和定義
使用此文章了解使用交談語言理解時可能遇到的一些定義和術語。
實體
實體是語句中的單字,可描述用來滿足或識別意圖的資訊。 如果您的實體很複雜,而且您想要模型識別特定部分,您可以將模型分成子實體。 例如,您可能會想要讓模型預測地址,以及街道、城市、州和郵遞區號等子實體。
F1 分數
F1 分數是精確度和重新叫用率的函數。 當您尋求精確度與召回率的平衡時,需要此項目。
Intent
意圖代表使用者想要執行的工作或動作。 其是使用者輸入中表達的目的或目標,例如預訂班機或支付帳單。
清單實體
清單實體代表一組固定的封閉式相關字組及其同義字。 清單實體是完全相符的項目,與機器學習實體不同。
如果清單實體中的單字包含在清單中,則會預測實體。 例如,如果您有一個名為 "size" 的清單實體,而且清單中有 "small, medium, large" 的文字,則會針對所有語句預測大小實體,無論內容為何,都會使用 "small"、"medium" 或 "large" 等文字。
模型
模型是經過定型以執行特定工作 (在這個案例中為交談理解工作) 的物件。 模型的定型方式是提供用來學習的標記資料,以便稍後其可以用來了解語句。
- 模型評估是在定型之後立即進行的程序,可了解您模型執行的效果。
- 「部署」是將模型指派給部署以透過預測 API 使用該模型的程序。
過度學習
在特定範例上固定模型時,就會發生過度學習,而且無法充分一般化。
精確度
測量模型的精確/正確程度。 這是正確識別到的肯定 (確判為真) 與所有識別到的肯定之間的比率。 精確度計量會顯示已正確標示的預測類別數目。
Project
專案是一個工作區域,用於根據您的資料建置自訂 ML 模型。 專案只能由您和其他具有所使用 Azure 資源存取權的人員存取。
重新叫用
測量模型預測實際肯定類別的能力。 這是所預測確判為真與實際標記項目之間的比率。 召回率計量會顯示有多少預測類別是正確的。
規則運算式
規則運算式實體代表規則運算式。 規則運算式實體是完全符合。
結構描述
結構描述會定義為專案內意圖和實體的組合。 結構描述設計是您專案獲致成功的重要部分。 建立結構描述時,您需要考慮哪些意圖和實體應該包含在專案中。
訓練資料
定型資料是定型模型所需的一組資訊。
表達
語句是使用者輸入,這是對話中句子的簡短文字表示。 這是一種自然語言片語,例如「訂兩張機票下星期二到西雅圖」。 新增範例語句來定型模型,而模型會在執行階段於新語句上預測
下一步
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應