開始使用 Azure 中的交談式語言理解

Azure AI 語言的對話語言理解功能可讓您撰寫語言模型，並將其用於預測。撰寫模型牽涉到定義實體、意圖和語句。產生預測牽涉到發佈模型，讓用戶端應用程式可以接受使用者輸入並傳回回應。

用於交談語言理解的 Azure 資源

若要在 Azure 中使用交談語言功能，您需要 Azure 訂用帳戶中的資源。您可使用下列類型的資源：

當您想要與使用所有 Azure AI 服務應用程式的用戶端應用程式分開追蹤 Azure AI 語言所使用的資源利用率時，資源區隔會很有用。

建立撰寫資源之後，您可以使用它來定型對話式語言理解模型。若要定型模型，請先定義應用程式將預測的實體和意圖，以及可用來定型預測模型之每個意圖的語句。

交談語言理解提供完整的預建「網域」的集合 (包含適合常見案例的預先定義意圖和實體)，其可作為模型起點使用。您也可以建立自己的實體和意圖。

您可依照任何順序來建立實體和意圖。您可建立意圖，並在為其定義的範例表達中選取字詞，以建立意圖的實體；或者，您可提前建立實體，然後在建立意圖時，將實體對應到表達的字詞。

您可以撰寫程式代碼來定義模型的元素，但在大多數情況下，使用 Language Studio 撰寫模型最簡單的方法，這是一個 Web 介面，可用來建立和管理 Conversational Language Understanding 應用程式。

定義完模型中的意圖和實體，並包含一組適當的範例表達後，下一個步驟就是定型模型。定型是使用範例表達來教導模型比對使用者可能表述意圖和實體其自然語言表達的程序。

定型模型之後，您即可提交文字並檢查預測的意圖來測試模型。定型與測試是一種反覆進行的程序。將模型定型之後，您可使用範例表達來測試模型，以查看其是否能正確辨識意圖和實體。如果不能，請更新、重新定型並再次測試。

當您對定型和測試的結果感到滿意後，即可將交談語言理解應用程式發佈至預測資源以供取用。

用戶端應用程式可連線到預測資源端點，指定適當的驗證金鑰來使用模型，然後提交使用者輸入，以取得預測的意圖和實體。預測結果會傳回用戶端應用程式，然後根據預測的意圖來採取適當動作。