Introducción al reconocimiento del lenguaje conversacional en Azure
La característica de reconocimiento del lenguaje conversacional de Lenguaje de Azure AI le permite crear un modelo de lenguaje y usarlo para predicciones. La creación de un modelo implica definir entidades, intenciones y expresiones. La generación de predicciones implica publicar un modelo para que las aplicaciones cliente puedan recibir entradas de usuario y devolver respuestas.
Recursos de Azure para el reconocimiento del lenguaje conversacional
Para usar funcionalidades de CLU en Azure, necesita un recurso en la suscripción de Azure. Puede usar los siguientes tipos de recursos:
- Lenguaje de Azure AI: un recurso que permite compilar aplicaciones con capacidades de comprensión del lenguaje natural líderes en la industria sin experiencia de aprendizaje automático. Puede usar un recurso de lenguaje para crear y predecir.
- Servicios de Azure AI: un recurso general que incluye CLU junto con muchos otros servicios de Azure AI. Este tipo de recurso solo se puede usar para predicción.
La separación de los recursos es útil cuando se quiere realizar un seguimiento del uso de los recursos para el Lenguaje de Azure AI de forma independiente respecto a las aplicaciones cliente que usan todas las aplicaciones de servicios de Azure AI.
Creación
Después de crear un recurso de creación, puede usarlo para entrenar un modelo de CLU. Para entrenar un modelo, empiece por definir las entidades e intenciones que la aplicación predecirá, así como las expresiones para cada intención que se pueda usar para entrenar el modelo predictivo.
CLU proporciona una colección exhaustiva de dominios creados previamente que incluyen intenciones y entidades predefinidas para escenarios habituales y que puede usar como punto de partida para el modelo. También puede crear sus propias entidades e intenciones.
Si crea entidades e intenciones, puede hacerlo en cualquier orden. Puede crear una intención y seleccionar palabras en las expresiones de ejemplo que defina con el fin de que la intención cree entidades para estas intenciones. O bien, puede crear las entidades con anterioridad y, después, asignarlas a las palabras de las expresiones a medida que crea las intenciones.
Puede escribir código para definir los elementos del modelo, pero en la mayoría de los casos lo más fácil es crear el modelo mediante Language Studio, una interfaz basada en la Web que permite crear y administrar aplicaciones de CLU.
Entrenamiento del modelo
Una vez que ha definido las intenciones y las entidades del modelo, y ha incluido un conjunto adecuado de expresiones de muestra, el próximo paso es entrenar el modelo. El entrenamiento es el proceso de usar las expresiones de muestra para enseñar al modelo a asociar expresiones de lenguaje natural que un usuario podría decir a posibles intenciones y entidades.
Después de entrenar el modelo, puede probarlo enviando texto y revisando las intenciones predichas. El entrenamiento y las pruebas son un proceso iterativo. Después de entrenar el modelo, debe probarlo con las expresiones de muestra para ver si las intenciones y entidades se reconocen correctamente. Si no es así, efectúe las actualizaciones pertinentes, y vuelva a entrenarlo y probarlo.
Predicción
Cuando esté satisfecho con los resultados del entrenamiento y las pruebas, puede publicar la aplicación de reconocimiento del lenguaje conversacional en un recurso de predicción para su consumo.
Las aplicaciones cliente pueden utilizar el modelo conectándose al punto de conexión del recurso de predicción, especificando la clave de autenticación adecuada, y enviar datos proporcionados por el usuario para obtener predicciones de intenciones y entidades. Las predicciones se devuelven a la aplicación cliente, que puede llevar a cabo la acción adecuada en función de la intención predicha.