使用 Azure AI 服務搭配自然語言處理 (NLP) 來擴充 Bot 交談
注意
QnA Maker 服務即將於 2025 年 3 月 31 日淘汰。 現在，Azure AI 語言提供較新版本的問題和解答功能。 如需瞭解語言服務內的問題解答功能，請參閱問題解答。 從 2022 年 10 月 1 日開始，您將無法建立新的 QnA Maker 資源。 如需將現有的 QnA Maker 知識庫移轉至問題解答的相關資訊，請參閱移轉指南。
Azure AI 服務提供兩個自然語言處理服務，Language Understanding和QnA Maker，各有不同的用途。 了解使用每項服務的時機及彼此之間如何互補。
自然語言處理 (NLP) 允許您的用戶端應用程式 (例如聊天機器人) 使用自然語言來與使用者一同工作。 使用者可輸入句子或片語。 使用者的文字可能會有錯誤的文法、拼字和標點符號。 Azure AI 服務仍然可透過使用者句子運作，傳回聊天機器人需要協助使用者的資訊。
使用 NLP 的 Azure AI 服務
Language Understanding (LUIS) 和 QnA Maker 均提供 NLP。 用戶端應用程式會提交自然語言文字。 此服務會取得文字、加以處理，並傳回結果。
使用每個服務的時機
Language Understanding (LUIS) 和 QnA Maker 可解決不同的問題。 LUIS 會判斷使用者文字的意圖 (稱為表達)，而 QnA Maker 會判斷使用者文字的答案 (稱為查詢)。
若要挑選正確的服務，您必須瞭解來自用戶端應用程式的使用者文字，以及用戶端應用程式需要從 Azure AI 服務取得哪些資訊。
如果您的聊天機器人收到文字 How do I get to the Human Resources building on the Seattle North campus?，請使用下列圖表來了解每個服務如何處理文字。
| 服務 | 用戶端應用程式判斷 |
|---|---|
| LUIS | 判斷使用者對文字的意向 - 服務不會傳回問題的答案。 例如，此文字會分類為符合 FindLocation 意圖。 |
| QnA Maker | 從自訂知識庫傳回問題的答案。 例如，此文字會判斷為具有 Get on the #9 bus and get off at Franklin street 靜態文字答案的問題。 |
何時使用 LUIS？
當您需要知道聊天機器人在處理過程中使用該語句的意圖時，請使用 LUIS。 使用範例文字 How do I get to the Human Resources building on the Seattle North campus? 繼續，當您知道使用者的意向是尋找位置之後，就可以將有關表達的詳細資料 (利用實體提取出來) 傳遞到另一個服務 (例如運輸伺服器) 來取得答案。
您不需要合併 LUIS 和 QnA Maker 來判斷意圖。
如果聊天機器人需要根據意向和實體 (使用 LUIS) 來處理文字，以及尋找特定的靜態文字答案 (使用 QnA Maker)，您可能要針對此表達合併這兩個服務。
何時使用 QnA Maker？
當您有答案的靜態知識庫時，請使用 QnA Maker。 此知識庫是依據需求所自訂的，且您已使用 PDF 和 URL 等文件建置完成。
使用範例表達 How do I get to the Human Resources building on the Seattle North campus? 繼續，將文字當作查詢傳送至已發佈的 QnA Maker 服務，並獲得最佳答案。
您不需要合併 LUIS 和 QnA Maker 來判斷問題的答案。
如果聊天機器人需要根據意向和實體 (使用 LUIS) 來處理文字，以及尋找答案 (使用 QnA Maker)，您可能要針對此表達合併這兩個服務。
當知識庫未完成時使用這兩個服務
如果您正在建置 QnA Maker 知識庫，但知道主體網域正在變更 (例如及時資訊)，您就能合併 LUIS 和 QnA Maker 服務。 這可讓您使用知識庫中的資訊，但也可以使用 LUIS 來判斷使用者的意向。 一旦用戶端應用程式具有意向，就可以要求來自另一個來源的相關資訊。
您的用戶端應用程式需要監視 LUIS 和 QnA Maker 回應來獲取分數。 如果 QnA Maker 的分數低於某個任意閾值，請使用從 LUIS 傳回的意圖和實體資訊，將資訊傳遞至協力廠商服務。
使用範例文字 How do I get to the Human Resources building on the Seattle North campus? 繼續，假設 QnA Maker 傳回低信賴分數。 使用從 LUIS、FindLocation 與任何擷取的實體 (例如 Human Resources building 與 Seattle North campus) 傳回的意圖，將此資訊傳送至對應或搜尋服務，以取得其他答案。
您可以向使用者呈現此協力廠商答案以進行驗證。 當您取得使用者的核准之後，就可以回到 QnA Maker 來新增資訊，以拓展您的知識。
當聊天機器人需要更多資訊時使用這兩個服務
如果聊天機器人所需的資訊超過任一個服務所提供的資訊，若要繼續進行決策樹，請使用這兩個服務，並在用戶端應用程式中處理這兩個回應。
使用 Bot Framework 分派 CLI 工具，來協助建置使用這兩個服務的流程。 此工具會建置意圖的熱門 LUIS 應用程式，以在 LUIS 和 QnA Maker 之間分派為子應用程式。 深入了解如何整合 LUIS、QnA Maker 與 Bot Framework。
以 C# 或 Node.js，使用 Bot Builder 範例分派 NLP 來實作此類型的聊天機器人。
最佳作法
針對每個服務實作最佳做法：
另請參閱
- 語言理解 (LUIS)
- QnA Maker
- Dispatch CLI \(英文\)
- Bot Framework 範例
- Azure AI Bot Service
- Azure Bot 模擬器
- Bot Framework 網路聊天