Słownik języka wspólnego słownictwa i pojęć

Ważne

Usługa LUIS zostanie wycofana 1 października 2025 r. i od 1 kwietnia 2023 r. nie będzie można utworzyć nowych zasobów usługi LUIS. Zalecamy migrację aplikacji LUIS do interpretacji języka konwersacyjnego, aby korzystać z ciągłej pomocy technicznej i wielojęzycznych możliwości produktów.

Słownik usługi Language Understanding (LUIS) wyjaśnia terminy, które mogą wystąpić podczas pracy z usługą LUIS.

Aktywna wersja

Aktywna wersja to wersja aplikacji, która jest aktualizowana podczas wprowadzania zmian w modelu przy użyciu portalu usługi LUIS. Jeśli w portalu usługi LUIS chcesz wprowadzić zmiany w wersji, która nie jest aktywna, musisz najpierw ustawić wersję jako aktywną.

Aktywna nauka

Uczenie aktywne to technika uczenia maszynowego, w której model uczenia maszynowego jest używany do identyfikowania nowych przykładów do etykietowania. W usłudze LUIS aktywne uczenie odnosi się do dodawania wypowiedzi z ruchu punktu końcowego, którego bieżące przewidywania nie są jasne, aby ulepszyć model. Wybierz pozycję "Przejrzyj wypowiedzi punktu końcowego", aby wyświetlić wypowiedzi do etykiety.

Zobacz też:

• Informacje koncepcyjne
• Samouczek dotyczący przeglądania wypowiedzi punktu końcowego
• Jak ulepszyć aplikację usługi LUIS, przeglądając wypowiedzi punktu końcowego

Aplikacja (aplikacja)

W usłudze LUIS aplikacja lub aplikacja to kolekcja modeli uczenia maszynowego oparta na tym samym zestawie danych, która współdziała ze sobą w celu przewidywania intencji i jednostek dla określonego scenariusza. Każda aplikacja ma oddzielny punkt końcowy przewidywania.

Jeśli tworzysz bota hr, możesz mieć zestaw intencji, takich jak "Zaplanuj czas urlopu", "zapytać o korzyści" i "zaktualizować dane osobowe" i jednostki dla każdej z tych intencji, które grupujesz w jedną aplikację.

Tworzenie

Tworzenie to możliwość tworzenia i wdrażania aplikacji usługi LUIS przy użyciu portalu usługi LUIS lub interfejsów API tworzenia.

Klucz tworzenia

Klucz tworzenia służy do tworzenia aplikacji. Nie jest używany do obsługi zapytań punktu końcowego na poziomie produkcyjnym. Aby uzyskać więcej informacji, zobacz Limity zasobów.

Zasób tworzenia

Zasób tworzenia usługi LUIS jest elementem, który jest dostępny za pośrednictwem platformy Azure. Zasób to dostęp do skojarzonych możliwości tworzenia, trenowania i publikowania usługi platformy Azure. Zasób zawiera informacje dotyczące uwierzytelniania, autoryzacji i zabezpieczeń potrzebne do uzyskania dostępu do skojarzonej usługi platformy Azure.

Zasób tworzenia ma "rodzaj" platformy LUIS-AuthoringAzure .

Test wsadowy

Testowanie wsadowe to możliwość weryfikowania modeli bieżącej aplikacji USŁUGI LUIS ze spójnym i znanym zestawem testów wypowiedzi użytkownika. Test wsadowy jest zdefiniowany w pliku sformatowanym w formacie JSON.

Zobacz też:

• Pojęcia
• Jak uruchomić test wsadowy
• Samouczek — tworzenie i uruchamianie testu wsadowego

Miara F

W przypadku testowania wsadowego miara dokładności testu.

Wynik fałszywie ujemny

W przypadku testowania wsadowego punkty danych reprezentują wypowiedzi, w których aplikacja niepoprawnie przewidziała brak docelowej intencji/jednostki.

Wynik fałszywie dodatni

W przypadku testowania wsadowego punkty danych reprezentują wypowiedzi, w których aplikacja nieprawidłowo przewidywała istnienie docelowej intencji/jednostki.

Dokładność

W przypadku testowania wsadowego precyzja (nazywana również dodatnią wartością predykcyjną) to ułamek odpowiednich wypowiedzi wśród pobranych wypowiedzi.

Przykładem testu wsadowego zwierząt jest liczba owiec, które zostały przewidywane przez łączną liczbę zwierząt (owiec i innych niż owce).

Odwołaj

W przypadku testowania wsadowego kompletność (nazywana również poufnością) umożliwia uogólnienie usługi LUIS.

Przykładem testu wsadowego zwierząt jest liczba owiec, które zostały przewidywane przez łączną liczbę dostępnych owiec.

Wynik prawdziwie ujemny

Wartość prawdziwie ujemna jest wtedy, gdy aplikacja prawidłowo przewiduje brak dopasowania. W przypadku testowania wsadowego wynik prawdziwie ujemny występuje, gdy aplikacja przewiduje intencję lub jednostkę na przykład, który nie został oznaczony za pomocą tej intencji lub jednostki.

Wynik prawdziwie dodatni

Wynik prawdziwie dodatni (TP) Prawdziwie dodatni jest wtedy, gdy aplikacja prawidłowo przewiduje dopasowanie. W przypadku testowania wsadowego wynik prawdziwie dodatni występuje, gdy aplikacja przewiduje intencję lub jednostkę na przykład, który został oznaczony etykietą z intencją lub jednostką.

Klasyfikator

Klasyfikator to model nauczony maszynowy, który przewiduje, w jakiej kategorii lub klasie mieści się dane wejściowe.

Intencja jest przykładem klasyfikatora.

Współpracownik

Współpracownik jest koncepcyjnie taki sam jak współautor. Współpracownik otrzymuje dostęp, gdy właściciel dodaje adres e-mail współpracownika do aplikacji, która nie jest kontrolowana za pomocą kontroli dostępu opartej na rolach (Azure RBAC). Jeśli nadal używasz współpracowników, należy przeprowadzić migrację konta usługi LUIS i użyć zasobów tworzenia usługi LUIS do zarządzania współautorami za pomocą kontroli dostępu opartej na rolach platformy Azure.

Współautor

Współautor nie jest właścicielem aplikacji, ale ma te same uprawnienia do dodawania, edytowania i usuwania intencji, jednostek, wypowiedzi. Współautor zapewnia kontrolę dostępu opartą na rolach (RBAC) platformy Azure do aplikacji usługi LUIS.

Zobacz też:

• Instrukcje dodawania współautorów

Deskryptora

Deskryptor to termin używany wcześniej na potrzeby funkcji uczenia maszynowego.

Domain

W kontekście usługi LUIS domena jest obszarem wiedzy. Twoja domena jest specyficzna dla danego scenariusza. Różne domeny używają określonego języka i terminologii, które mają znaczenie w kontekście domeny. Jeśli na przykład tworzysz aplikację do odtwarzania muzyki, aplikacja będzie miała terminy i język specyficzny dla muzyki — słowa takie jak "piosenka, utwór, album, teksty, b-side, artysta". Aby zapoznać się z przykładami domen, zobacz wstępnie utworzone domeny.

Punkt końcowy

Punkt końcowy tworzenia

Adres URL punktu końcowego tworzenia usługi LUIS to miejsce, w którym tworzysz, trenujesz i publikujesz aplikację. Adres URL punktu końcowego zawiera region lub niestandardową poddomenę opublikowanej aplikacji, a także identyfikator aplikacji.

Dowiedz się więcej o programowym tworzeniu aplikacji z dokumentacji dla deweloperów

Punkt końcowy przewidywania

Adres URL punktu końcowego przewidywania usługi LUIS to miejsce, w którym można przesyłać zapytania usługi LUIS po utworzeniu i opublikowaniu aplikacji usługi LUIS. Adres URL punktu końcowego zawiera region lub niestandardową poddomenę opublikowanej aplikacji, a także identyfikator aplikacji. Punkt końcowy można znaleźć na stronie zasobów platformy Azure aplikacji lub uzyskać adres URL punktu końcowego z interfejsu API Pobierania informacji o aplikacji.

Dostęp do punktu końcowego przewidywania jest autoryzowany przy użyciu klucza przewidywania usługi LUIS.

Encja

Jednostki to słowa w wypowiedziach, które opisują informacje używane do realizacji lub identyfikowania intencji. Jeśli jednostka jest złożona i chcesz, aby model identyfikował określone części, możesz podzielić model na podenty. Możesz na przykład chcieć, aby model przewidział adres, ale także podjęci ulicy, miasta, stanu i kodu pocztowego. Jednostki mogą być również używane jako funkcje do modeli. Odpowiedź z aplikacji LUIS zawiera zarówno przewidywane intencje, jak i wszystkie jednostki.

Ekstraktor jednostek

Ekstraktor jednostki czasami znany tylko jako ekstraktor jest typem modelu nauczonego maszyny używanym przez usługę LUIS do przewidywania jednostek.

Schemat jednostki

Schemat jednostki to struktura zdefiniowana dla jednostek poznanych na maszynie z podentiami. Punkt końcowy przewidywania zwraca wszystkie wyodrębnione jednostki i podentacje zdefiniowane w schemacie.

Subentity jednostki

Subentity to jednostka podrzędna jednostki uczenia maszynowego.

Jednostka nienależącą do uczenia maszynowego

Jednostka, która używa dopasowywania tekstu do wyodrębniania danych:

• Jednostka listy
• Jednostka wyrażenia regularnego

Jednostka listy

Jednostka listy reprezentuje stały, zamknięty zestaw powiązanych wyrazów wraz z ich synonimami. Jednostki listy są dokładnymi dopasowaniami, w przeciwieństwie do jednostek poznanych maszyn.

Jednostka będzie przewidywana, jeśli na liście znajduje się wyraz w jednostce listy. Jeśli na przykład masz jednostkę listy o nazwie "size" (rozmiar) i masz wyrazy "small, medium, large" na liście, jednostka rozmiaru będzie przewidywana dla wszystkich wypowiedzi, w których słowa "small", "medium" lub "large" są używane niezależnie od kontekstu.

Regular expression

Jednostka wyrażenia regularnego reprezentuje wyrażenie regularne. Jednostki wyrażeń regularnych są dokładnymi dopasowaniami, w przeciwieństwie do jednostek poznanych maszyn.

Wstępnie utworzona jednostka

Zobacz Wpis wstępnie utworzonego modelu dla wstępnie utworzonej jednostki.

Funkcje

W uczeniu maszynowym funkcja jest cechą, która ułatwia modelowi rozpoznawanie konkretnej koncepcji. Jest to wskazówka, że usługa LUIS może używać, ale nie twardej reguły.

Ten termin jest również określany jako funkcja uczenia maszynowego.

Te wskazówki są używane z etykietami, aby dowiedzieć się, jak przewidywać nowe dane. Usługa LUIS obsługuje zarówno listy fraz, jak i używa innych modeli jako funkcji.

Wymagana funkcja

Wymagana funkcja to sposób ograniczenia danych wyjściowych modelu usługi LUIS. Jeśli funkcja dla jednostki jest oznaczona jako wymagana, funkcja musi być obecna w przykładzie, aby jednostka była przewidywana, niezależnie od tego, co przewiduje model nauczony maszyny.

Rozważmy przykład, w którym masz wstępnie utworzoną funkcję numeru, która została oznaczona jako wymagana w jednostce quantity dla bota zamawiania menu. Gdy bot zobaczy I want a bajillion large pizzas?, bajillion nie będzie przewidywany jako ilość niezależnie od kontekstu, w którym się pojawia. Bajillion nie jest prawidłową liczbą i nie będzie przewidywana przez wstępnie skompilowaną jednostkę liczbową.

Zamiar

Intencja reprezentuje zadanie lub akcję, którą użytkownik chce wykonać. Jest to cel lub cel wyrażony w danych wejściowych użytkownika, takich jak rezerwacja lotu lub płacenie rachunku. W usłudze LUIS wypowiedź jako całość jest klasyfikowana jako intencja, ale części wypowiedzi są wyodrębniane jako jednostki.

Przykłady etykietowania

Etykietowanie lub oznaczanie to proces kojarzenia pozytywnego lub negatywnego przykładu z modelem.

Etykietowanie dla intencji

W usłudze LUIS intencje w aplikacji wzajemnie się wykluczają. Oznacza to, że podczas dodawania wypowiedzi do intencji jest ona traktowana jako pozytywny przykład dla tej intencji i negatywny przykład dla wszystkich innych intencji. Negatywne przykłady nie powinny być mylone z intencją "Brak", która reprezentuje wypowiedzi, które wykraczają poza zakres aplikacji.

Etykietowanie jednostek

W usłudze LUIS oznaczysz wyraz lub frazę w przykładowej wypowiedzi intencji z jednostką jako pozytywny przykład. Etykietowanie pokazuje intencję, którą powinna przewidzieć dla tej wypowiedzi. Oznaczone wypowiedzi są używane do trenowania intencji.

Aplikacja usługi LUIS

Zobacz definicję aplikacji (app).

Model

Model (uczenie maszynowe) to funkcja, która tworzy przewidywanie danych wejściowych. W usłudze LUIS klasyfikatory intencji i klasyfikatory jednostek są ogólnie nazywane "modelami" i odwołujemy się do kolekcji modeli, które są trenowane, publikowane i odpytywane razem jako "aplikacja".

Znormalizowana wartość

Wartości są dodawane do jednostek listy . Każda z tych wartości może zawierać listę co najmniej jednego synonimu. W odpowiedzi zwracana jest tylko znormalizowana wartość.

Nadmierne dopasowanie

Nadmierne dopasowanie ma miejsce, gdy model jest naprawiony na określonych przykładach i nie jest w stanie uogólnić dobrze.

Właściciel

Każda aplikacja ma jednego właściciela, który jest osobą, która utworzyła aplikację. Właściciel zarządza uprawnieniami do aplikacji w witrynie Azure Portal.

Lista fraz

Lista fraz jest określonym typem funkcji uczenia maszynowego, która zawiera grupę wartości (słów lub fraz), które należą do tej samej klasy i muszą być traktowane podobnie (na przykład nazwy miast lub produktów).

Wstępnie utworzony model

Wstępnie utworzony model jest intencją, jednostką lub kolekcją obu elementów wraz z przykładami oznaczonymi etykietami. Te typowe wstępnie utworzone modele można dodać do aplikacji, aby zmniejszyć pracę dewelopera modelu wymaganą dla aplikacji.

Wstępnie utworzona domena

Wstępnie utworzona domena to aplikacja usługi LUIS skonfigurowana dla określonej domeny, takiej jak automatyzacja domu (HomeAutomation) lub rezerwacje restauracji (RestaurantReservation). Intencje, wypowiedzi i jednostki są skonfigurowane dla tej domeny.

Wstępnie utworzona jednostka

Wstępnie utworzona jednostka to jednostka luis udostępnia typowe typy informacji, takich jak liczba, adres URL i poczta e-mail. Są one tworzone na podstawie danych publicznych. Możesz dodać wstępnie utworzoną jednostkę jako jednostkę autonomiczną lub jako funkcję do jednostki.

Wstępnie utworzona intencja

Wstępnie utworzona intencja to intencja usługi LUIS dla typowych typów informacji i zawiera własne wypowiedzi z etykietami przykładowymi.

Przewidywanie

Przewidywanie to żądanie REST do usługi przewidywania usługi Azure LUIS, która pobiera nowe dane (wypowiedź użytkownika) i stosuje wytrenowana i opublikowaną aplikację do tych danych, aby określić, jakie intencje i jednostki zostały znalezione.

Klucz przewidywania

Klucz przewidywania jest kluczem skojarzonym z usługą LUIS utworzoną na platformie Azure, która autoryzuje użycie punktu końcowego przewidywania.

Ten klucz nie jest kluczem tworzenia. Jeśli masz klucz punktu końcowego przewidywania, należy go użyć dla wszystkich żądań punktu końcowego zamiast klucza tworzenia. Bieżący klucz przewidywania można wyświetlić w adresie URL punktu końcowego w dolnej części strony zasobów platformy Azure w witrynie internetowej usługi LUIS. Jest to wartość pary nazwa/wartość klucza subskrypcji.

Zasób przewidywania

Zasób przewidywania usługi LUIS jest elementem, który jest dostępny za pośrednictwem platformy Azure. Zasób jest twoim dostępem do skojarzonego przewidywania usługi platformy Azure. Zasób zawiera przewidywania.

Zasób przewidywania ma "rodzaj" platformy LUISAzure.

Współczynnik przewidywania

Wynik jest liczbą z zakresu od 0 do 1, która jest miarą tego, jak pewny jest, że określona wypowiedź wejściowa pasuje do określonej intencji. Wynik bliżej 1 oznacza, że system jest bardzo pewny danych wyjściowych i wynik bliżej 0 oznacza, że system jest przekonany, że dane wejściowe nie pasują do określonych danych wyjściowych. Wyniki w środku oznaczają, że system jest bardzo niepewny, jak podjąć decyzję.

Na przykład weź model, który służy do identyfikowania, czy jakiś tekst klienta zawiera zamówienie żywności. Może to dać wynik 1 dla "Chciałbym zamówić jedną kawę" (system jest bardzo pewny, że jest to kolejność) i wynik 0 dla "mój zespół wygrał grę ostatniej nocy" (system jest bardzo pewny, że nie jest to zamówienie). I może mieć wynik 0,5 dla "let's have some tea" (nie jest pewien, czy jest to zamówienie, czy nie).

Klucz programowy

Zmieniono nazwę na klucz tworzenia.

Publikowanie

Publikowanie oznacza udostępnienie aktywnej wersji usługi LUIS w punkcie końcowym przejściowym lub produkcyjnym.

Norma sprzedaży

Limit przydziału usługi LUIS jest ograniczeniem warstwy subskrypcji platformy Azure. Limit przydziału usługi LUIS może być ograniczony przez oba żądania na sekundę (stan HTTP 429) i łączną liczbę żądań w ciągu miesiąca (stan HTTP 403).

Schemat

Schemat zawiera intencje i jednostki wraz z podentiami. Schemat jest początkowo planowany na iterated w czasie. Schemat nie zawiera ustawień aplikacji, funkcji ani przykładowych wypowiedzi.

Analiza opinii

Analiza tonacji zapewnia dodatnie lub ujemne wartości wypowiedzi dostarczonych przez usługę language.

Inicjowanie funkcji mowy

Priming mowy poprawia rozpoznawanie mówionych słów i fraz, które są często używane w scenariuszu z usługami mowa. W przypadku aplikacji z włączoną obsługą mowy wszystkie przykłady oznaczone etykietami usługi LUIS są używane do poprawy dokładności rozpoznawania mowy przez utworzenie dostosowanego modelu mowy dla tej konkretnej aplikacji. Na przykład w grze szachowej chcesz upewnić się, że gdy użytkownik mówi "Move knight", nie jest interpretowany jako "Przenieś noc". Aplikacja LUIS powinna zawierać przykłady, w których "knight" jest oznaczony jako jednostka.

Klucz początkowy

Bezpłatny klucz do użycia podczas pierwszego rozpoczynania korzystania z usługi LUIS.

Synonimy

W jednostkach listy usługi LUIS można utworzyć znormalizowaną wartość, która może zawierać listę synonimów. Jeśli na przykład utworzysz jednostkę rozmiaru, która ma znormalizowane wartości małych, średnich, dużych i bardzo dużych. Można utworzyć synonimy dla każdej wartości w następujący sposób:

Wartość niezmalizowana	Synonimy
Mały	mały, 8 uncji
Śred.	regularne, 12 uncji
Duży	duże, 16 uncji
Xtra — duży rozmiar	największy, 24 uncje

Model zwraca znormalizowaną wartość dla jednostki, gdy dowolny z synonimów jest widoczny w danych wejściowych.

Test

Testowanie aplikacji LUIS oznacza wyświetlanie przewidywań modelu.

Przesunięcie strefy czasowej

Punkt końcowy zawiera strefę czasowąOffset. Jest to liczba w minutach, którą chcesz dodać lub usunąć ze wstępnie utworzonej jednostki datetimeV2. Jeśli na przykład wypowiedź to "jaka jest teraz godzina?", zwracana data/godzinaV2 jest bieżącą godziną żądania klienta. Jeśli żądanie klienta pochodzi z bota lub innej aplikacji, która nie jest taka sama jak użytkownik bota, należy przekazać przesunięcie między botem a użytkownikiem.

Zobacz Zmienianie strefy czasowej wstępnie utworzonej jednostki datetimeV2.

Token

Token to najmniejsza jednostka tekstu, którą usługa LUIS może rozpoznać. Różni się to nieco w różnych językach.

W przypadku języka angielskiego token jest ciągłym zakresem (bez spacji ani interpunkcji) liter i cyfr. Spacja nie jest tokenem.

Fraza	Liczba tokenów	Wyjaśnienie
Dog	1	Jedno słowo bez znaków interpunkcyjnych ani spacji.
RMT33W	1	Numer lokalizatora rekordów. Może mieć cyfry i litery, ale nie ma żadnej interpunkcji.
425-555-5555	5	Numer telefonu. Każdy znacznik interpunkcyjny jest pojedynczym tokenem, więc 425-555-5555 będzie to 5 tokenów: 425 - 555 - 5555
https://luis.ai	7	https : / / luis . ai

Szkolenie

Szkolenie to proces nauczania usługi LUIS o wszelkich zmianach w aktywnej wersji od ostatniego szkolenia.

Dane szkoleniowe

Dane szkoleniowe to zestaw informacji potrzebnych do wytrenowania modelu. Obejmuje to schemat, oznaczone etykietami wypowiedzi, funkcje i ustawienia aplikacji.

Błędy trenowania

Błędy trenowania to przewidywania dotyczące danych treningowych, które nie są zgodne z ich etykietami.

Wypowiedź

Wypowiedź to dane wejściowe użytkownika, które są krótkim tekstem reprezentatywnym dla zdania w konwersacji. Jest to fraza języka naturalnego, taka jak "zarezerwuj 2 bilety do Seattle w najbliższy wtorek". Przykładowe wypowiedzi są dodawane do trenowania modelu, a model przewiduje nową wypowiedź w czasie wykonywania.

Wersja

Wersja usługi LUIS to konkretne wystąpienie aplikacji usługi LUIS skojarzonej z identyfikatorem aplikacji usługi LUIS i opublikowanym punktem końcowym. Każda aplikacja usługi LUIS ma co najmniej jedną wersję.