Termos e definições usados na compreensão da linguagem de conversação
Use este artigo para aprender sobre algumas das definições e termos que você pode encontrar ao usar o entendimento da linguagem de conversação.
Entidade
Entidades são palavras em enunciados que descrevem informações usadas para cumprir ou identificar uma intenção. Se sua entidade é complexa e você gostaria que seu modelo identificasse partes específicas, você pode dividir seu modelo em subentidades. Por exemplo, você pode querer que seu modelo preveja um endereço, mas também as subentidades de rua, cidade, estado e CEP.
Pontuação F1
A pontuação F1 é uma função de Precisão e Recall. É necessário quando se procura um equilíbrio entre precisão e recordação.
Intenção
Uma intenção representa uma tarefa ou ação que o usuário deseja executar. É um propósito ou objetivo expresso na entrada de um usuário, como reservar um voo ou pagar uma conta.
Entidade de lista
Uma entidade de lista representa um conjunto fixo e fechado de palavras relacionadas, juntamente com seus sinônimos. As entidades de lista são correspondências exatas, ao contrário das entidades aprendidas usinadas.
A entidade será prevista se uma palavra na entidade da lista for incluída na lista. Por exemplo, se você tiver uma entidade de lista chamada "tamanho" e tiver as palavras "pequeno, médio, grande" na lista, a entidade de tamanho será prevista para todos os enunciados em que as palavras "pequeno", "médio" ou "grande" são usadas independentemente do contexto.
Modelo
Um modelo é um objeto treinado para realizar uma determinada tarefa, neste caso tarefas de compreensão de conversação. Os modelos são treinados fornecendo dados rotulados para aprender, para que possam ser usados posteriormente para entender os enunciados.
- A avaliação do modelo é o processo que acontece logo após o treinamento para saber o desempenho do seu modelo.
- A implantação é o processo de atribuir seu modelo a uma implantação para disponibilizá-lo para uso por meio da API de previsão.
Sobreajuste
O overfitting acontece quando o modelo é fixado nos exemplos específicos e não é capaz de generalizar bem.
Precisão
Mede o quão preciso/preciso é o seu modelo. É a relação entre os positivos corretamente identificados (verdadeiros positivos) e todos os positivos identificados. A métrica de precisão revela quantas das classes previstas estão corretamente rotuladas.
Project
Um projeto é uma área de trabalho para criar seus modelos de ML personalizados com base em seus dados. Seu projeto só pode ser acessado por você e outras pessoas que têm acesso ao recurso do Azure que está sendo usado.
Recuperar
Mede a capacidade do modelo de prever classes positivas reais. É a relação entre os verdadeiros positivos previstos e o que foi realmente marcado. A métrica de recall revela quantas das classes previstas estão corretas.
Regular expression
Uma entidade de expressão regular representa uma expressão regular. As entidades de expressão regular são correspondências exatas.
Esquema
O esquema é definido como a combinação de intenções e entidades dentro do seu projeto. O design do esquema é uma parte crucial do sucesso do seu projeto. Ao criar um esquema, você deseja pensar sobre quais intenções e entidades devem ser incluídas em seu projeto.
Dados de preparação
Dados de treinamento são o conjunto de informações necessárias para treinar um modelo.
Expressão
Um enunciado é a entrada do usuário que é um texto curto representativo de uma frase em uma conversa. É uma frase em linguagem natural como "reserve 2 ingressos para Seattle na próxima terça-feira". Exemplos de enunciados são adicionados para treinar o modelo e o modelo prevê novos enunciados em tempo de execução
Próximos passos
- Limites de dados e serviços.
- Visão geral da compreensão da linguagem de conversação.