Aan de slag met begrip van gesprekstaal in Azure
Met de CLU-functie (Conversational Language) van Azure AI Language kunt u een taalmodel ontwerpen en gebruiken voor voorspellingen. Het ontwerpen van een model omvat het definiëren van entiteiten, intenties en uitingen. Het genereren van voorspellingen omvat het publiceren van een model, zodat clienttoepassingen gebruikersinvoer kunnen gebruiken en antwoorden kunnen retourneren.
Azure-resources voor begrip van conversationele taal
Als u CLU-mogelijkheden in Azure wilt gebruiken, hebt u een resource in uw Azure-abonnement nodig. U kunt de volgende typen resources gebruiken:
- Azure AI Language: een resource waarmee u apps kunt bouwen met toonaangevende mogelijkheden voor natuurlijke taalbegrip zonder machine learning-expertise. U kunt een taalresource gebruiken voor creatie en voorspelling.
- Azure AI-services: een algemene resource met CLU en vele andere Azure AI-services. U kunt dit type resource alleen gebruiken voor voorspelling.
De scheiding van resources is handig wanneer u het resourcegebruik voor Azure AI Language afzonderlijk wilt bijhouden van clienttoepassingen met behulp van alle Azure AI-servicestoepassingen.
Ontwerpen
Nadat u een ontwerpresource hebt gemaakt, kunt u deze gebruiken om een CLU-model te trainen. Als u een model wilt trainen, definieert u eerst de entiteiten en intenties die door uw toepassing worden voorspeld, evenals uitingen voor elke intentie die kan worden gebruikt om het voorspellende model te trainen.
CLU biedt een uitgebreide verzameling vooraf gedefinieerde domeinen die vooraf gedefinieerde intenties en entiteiten bevatten voor algemene scenario's; die u als uitgangspunt voor uw model kunt gebruiken. U kunt ook uw eigen entiteiten en intenties maken.
Wanneer u entiteiten en intenties maakt, kunt u dit in willekeurige volgorde doen. U kunt een intentie maken en woorden selecteren in de sample-uitingen die u ervoor definieert om er entiteiten voor te maken. U kunt de entiteiten ook vooraf maken en deze vervolgens tijdens het maken van de intenties toewijzen aan woorden in uitingen.
U kunt code schrijven om de elementen van uw model te definiëren, maar in de meeste gevallen is het het eenvoudigst om uw model te ontwerpen met behulp van Language Studio : een webinterface voor het maken en beheren van CLU-toepassingen.
Het model trainen
Nadat u de intenties en entiteiten in uw model hebt gedefinieerd en een geschikte set sample-uitingen hebt opgenomen, bestaat de volgende stap uit het trainen van het model. Training is het proces van het gebruik van uw sample-uitingen om uw model te leren om expressies in natuurlijke taal die een gebruiker kan zeggen, te koppelen aan de vermoedelijke intenties en entiteiten.
Nadat u het model hebt getraind, kunt u het testen door tekst in te dienen en de voorspelde intenties te controleren. Trainen en testen is een iteratief proces. Nadat u het model hebt getraind, test u het met sample-uitingen om te controleren of de intenties en entiteiten correct worden herkend. Als dat niet het geval is, moet u wijzigingen aanbrengen en opnieuw trainen en testen.
Voorspellen
Wanneer u tevreden bent met de resultaten van de training en het testen, kunt u uw Conversational Language Understanding-toepassing publiceren naar een voorspellingsresource voor verbruik.
Clienttoepassingen kunnen gebruikmaken van het model door verbinding te maken met het eindpunt voor de voorspellingsresource, de juiste verificatiesleutel op te geven en gebruikersinvoer in te dienen om voorspelde intenties en entiteiten te verkrijgen. De voorspellingen worden geretourneerd naar de clienttoepassing, vanwaaruit vervolgens de juiste actie kan worden uitgevoerd op basis van de voorspelde intentie.