Compartir a través de

Reconocimiento de lenguaje natural

  • Artículo

SE APLICA A: SDK v4

Los bots pueden usar distintos estilos de conversación, desde estructurados y guiados hasta los de forma libre y abiertos. En función de lo que dice un usuario, el bot debe decidir qué hacer a continuación en su flujo de conversación. Servicios de Azure AI incluye características para ayudar con esta tarea. Estas características pueden ayudar a un bot a buscar información, formular preguntas o interpretar la intención del usuario.

La interacción entre los usuarios y los bots suele ser de forma libre, y los bots deben comprender el lenguaje natural y contextual. En una conversación abierta, puede haber una amplia variedad de respuestas del usuario y los bots pueden proporcionar más o menos estructuras o instrucciones. En esta tabla se muestra la diferencia entre las preguntas guiadas y abiertas.

Guiadas Abiertas
Soy el bot de viajes. Seleccione una de las opciones siguientes: buscar vuelos, buscar hoteles, buscar coches de alquiler. Puedo ayudarle a reservar un viaje. ¿Qué le gustaría hacer?
¿Necesita algo más? Haga clic en Sí o No. ¿Necesita algo más?

Servicios de Azure AI proporciona características con las que crear aplicaciones, sitios web y bots inteligentes. Agregar estas características al bot puede permitir que este responda a una entrada abierta del usuario de una forma más adecuada.

En este artículo se describe la compatibilidad con el SDK de Bot Framework para algunas de las características disponibles en Servicios de Azure AI.

Instrucciones generales

Servicios de Azure AI incorpora tecnologías en evolución. Lenguaje de Azure AI integra varias características que se implementaron anteriormente como servicios independientes. En este artículo se describen las características y los servicios más recientes y antiguos, y dónde encontrar más información sobre cada uno.

Escenario Guía
Nuevo desarrollo de bots Considere la posibilidad de usar Microsoft Copilot Studio, que está diseñado para admitir equipos en los que los miembros tienen una combinación de aptitudes y disciplinas. Para obtener más información, consulte Copilot Studio y Habilitación de características avanzadas de IA.
Nuevos proyectos de lenguaje para bots creados en el SDK de Bot Framework Considere la posibilidad de usar características del servicio Lenguaje de Azure AI, como el reconocimiento del lenguaje conversacional (CLU) y la respuesta a preguntas.
Bots existentes con proyectos de lenguaje creados Los proyectos de lenguaje seguirán funcionando, pero considere la posibilidad de migrar a Lenguaje de Azure AI. Para obtener más información, consulte la sección Migración de proyectos de lenguaje existentes que encontrará más adelante en este artículo.

Reconocimiento del lenguaje

Las funciones de reconocimiento del lenguaje natural le permiten crear modelos personalizados de reconocimiento del lenguaje natural para predecir la intención general de una expresión entrante y extraer información importante a partir de esta.

Servicio o característica Descripción
Reconocimiento del lenguaje conversacional (CLU) Una característica del servicio Lenguaje de Azure AI.
Reconocimiento del lenguaje (LUIS) Un servicio de Azure AI. (CLU es una versión actualizada de LUIS).

LUIS se retirará el 1 de octubre de 2025.

Reconocimiento del lenguaje conversacional (CLU)

El reconocimiento del lenguaje conversacional (CLU) permite a los usuarios crear modelos personalizados de reconocimiento del lenguaje natural para predecir la intención general de una expresión entrante y extraer información importante a partir de esta. CLU solo proporciona inteligencia para reconocer el texto de entrada para la aplicación cliente y no realiza ninguna acción por su cuenta.

Para usar el CLU en su bot, cree un recurso de lenguaje y un proyecto de conversación, entrene e implemente el modelo de lenguaje y, a continuación, implemente en el bot un reconocedor de telemetría que reenvíe las solicitudes a la API de CLU.

Para más información, vea:

Language Understanding (LUIS)

Nota:

Reconocimiento del lenguaje (LUIS) se retirará el 1 de octubre de 2025. A partir del 1 de abril de 2023, no podrá crear nuevos recursos de LUIS.

LUIS aplica inteligencia personalizada de aprendizaje automático al texto de lenguaje natural y conversacional de un usuario para predecir el significado global y extraer información pertinente y detallada.

Para usar LUIS en el bot, cree, entrene y publique una aplicación de LUIS y agregue un reconocedor de LUIS al bot.

Para más información, vea:

Preguntas y respuestas

Las características de preguntas y respuestas permiten crear bases de conocimiento para responder a las preguntas del usuario. Las bases de conocimiento representan contenido semiestructurado, como los que se encuentran en las secciones de preguntas frecuentes, manuales y documentos.

Servicio o característica Descripción
Respuesta a preguntas Una característica del servicio Lenguaje de Azure AI.
QnA Maker Un servicio de Servicios de Azure AI. (La respuesta a preguntas es una versión actualizada de QnA Maker).

Azure AI QnA Maker se retirará el 31 de marzo de 2025.

Respuesta a preguntas

Respuesta a preguntas proporciona un procesamiento del lenguaje natural (NLP) basado en la nube que le permite crear una capa de conversación natural sobre sus datos. Se utiliza para encontrar la respuesta más apropiada a cualquier entrada de la base de conocimiento personalizada de información.

Para usar la respuesta a preguntas en el bot, cree e implemente un proyecto de respuesta a preguntas y, a continuación, implemente en el bot un cliente de QnA Maker que reenvíe las solicitudes a la API de respuesta a preguntas.

Para más información, vea:

QnA Maker

Nota:

Azure AI QnA Maker se retirará el 31 de marzo de 2025. A partir del 1 de octubre de 2022, no podrá crear nuevos recursos o bases de conocimiento de QnA Maker.

QnA Maker cuenta con la capacidad integrada de extraer las preguntas y las respuestas de un sitio existente de preguntas más frecuentes y, además, permite configurar manualmente una lista personalizada de preguntas y respuestas. QnA Maker dispone de capacidades de procesamiento del lenguaje natural, lo que le permite proporcionar respuestas incluso a preguntas escritas de una manera ligeramente diferente a la esperada. Sin embargo, no tiene habilidades semánticas de reconocimiento del lenguaje, por lo que no puede determinar que un cachorro es un tipo de perro, por ejemplo.

Para usar QnA Maker en el bot, cree un servicio de QnA Maker, publique la base de conocimiento y agregue un objeto de QnA Maker al bot.

Para más información, vea:

Azure Cognitive Search ayuda al bot a proporcionar a los usuarios una experiencia de búsqueda enriquecida, incluida la capacidad de agregar facetas y filtrar la información.

  • Puede usar Azure Cognitive Search como una característica en Lenguaje de Azure AI.
  • Puede usar el servicio Azure Cognitive Search directamente.

Puede usar Azure Cognitive Search para crear un índice eficaz con el que buscar, agregar facetas y filtrar un almacén de datos.

Uso de varias características juntas

Para crear un bot multiuso que comprenda varios temas de conversación, empiece por dar soporte a cada función de forma independiente y después intégrelas todas. Estos son los escenarios en los que un bot podría combinar varias características:

  • Un bot que proporciona un conjunto de características, donde cada una tiene su propio modelo de lenguaje.
  • Un bot que busca en varias bases de conocimiento para encontrar respuestas a las preguntas de un usuario.
  • Un bot que integra diferentes tipos de características, como el reconocimiento del lenguaje, la respuesta a preguntas y la búsqueda.

En esta tabla se describen distintas formas de integrar varias características.

Servicio o característica Descripción
Flujo de trabajo de orquestación Una característica del servicio Lenguaje de Azure AI que le permite usar varios proyectos de respuesta a preguntas, CLU y LUIS juntos.
Bot Framework Orchestrator Un motor de reconocimiento solo intencional que puede usar para determinar qué modelo de LUIS o base de conocimiento de QnA Maker puede gestionar mejor un mensaje determinado.
Personalizado Puede implementar su propia lógica para decidir cómo gestionar mejor la solicitud del usuario.

Uso del flujo de trabajo de orquestación

El flujo de trabajo de orquestación aplica inteligencia de aprendizaje automático para que pueda crear modelos de orquestación para conectar los componentes de reconocimiento del lenguaje conversacional (CLU), los proyectos de respuesta a preguntas y las aplicaciones de LUIS.

Para usar el flujo de trabajo de orquestación en el bot, cree un proyecto de flujo de trabajo de orquestación, compile el esquema, entrene e implemente el modelo y, a continuación, consulte la API del modelo para obtener predicciones de intenciones.

Para más información, vea:

Orchestrator

Nota:

Azure AI QnA Maker se retirará el 31 de marzo de 2025. A partir del 1 de octubre de 2022, no podrá crear nuevos recursos o bases de conocimiento de QnA Maker.

Reconocimiento del lenguaje (LUIS) se retirará el 1 de octubre de 2025. A partir del 1 de abril de 2023, no podrá crear nuevos recursos de LUIS.

Bot Framework Orchestrator es un motor de reconocimiento solo intencional. La CLI de Bot Framework incluye herramientas para generar un modelo de lenguaje para Orchestrator a partir de una colección de bases de conocimiento de QnA Maker y modelos de lenguaje de LUIS. A continuación, el bot puede usar Orchestrator para determinar qué servicio puede responder mejor a la entrada del usuario.

El SDK de Bot Framework ofrece compatibilidad integrada con LUIS y QnA Maker. Esto le permite desencadenar diálogos o responder automáticamente a preguntas mediante LUIS y QnA Maker con una configuración mínima.

Para obtener más información, consulte Uso de varios modelos de LUIS y QnA con Orchestrator.

Lógica personalizada

Hay dos maneras principales de implementar su propia lógica:

  1. Para cada mensaje, llame a todos los servicios pertinentes que admita el bot. Use los resultados del servicio que tenga la mejor puntuación de confianza. Si la mejor puntuación es ambigua, pida al usuario que elija la respuesta que desea.
  2. Llame a cada servicio en el orden que prefiera. Use el primer resultado que tenga una puntuación de confianza suficiente.

Sugerencia

Cuando implemente una combinación de distintos tipos de servicios o características, pruebe las entradas con cada una de las herramientas para determinar la puntuación de umbral de cada uno de los modelos. Los servicios y las características usan diferentes criterios de puntuación, por lo que las puntuaciones generadas en estas herramientas no se pueden comparar directamente.

Los servicios de LUIS y QnA Maker normalizan las puntuaciones. Por lo tanto, una puntuación puede ser buena en un modelo de LUIS, pero no tan buena en otro modelo.

Migración de proyectos de lenguaje existentes

Para obtener información sobre cómo migrar recursos de servicios más antiguos a Lenguaje de Azure AI, consulte:

Recursos adicionales

Para administrar recursos o proyectos específicos:

Para obtener documentación sobre una característica o un servicio específicos: