Utforma med avsikts- och entitetsmodeller
Viktigt!
LUIS dras tillbaka den 1 oktober 2025 och från och med den 1 april 2023 kommer du inte att kunna skapa nya LUIS-resurser. Vi rekommenderar att du migrerar dina LUIS-program till förståelse för konversationsspråk för att dra nytta av fortsatt produktsupport och flerspråkiga funktioner.
Språktolkning innehåller två typer av modeller som du kan använda för att definiera ditt appschema. Ditt appschema avgör vilken information du får från förutsägelsen av ett nytt användaryttrande.
Appschemat bygger på modeller som du skapar med hjälp av maskinundervisning:
- Avsikter klassificerar användaryttranden
- Entiteter extraherar data från yttranden
Redigering använder maskinundervisning
MED LUIS maskinundervisningsmetodik kan du enkelt lära ut begrepp till en maskin. Det är inte nödvändigt att förstå maskininlärning för att använda LUIS. I stället kommunicerar du som lärare ett koncept med LUIS genom att ge exempel på konceptet och förklara hur ett koncept ska modelleras med hjälp av andra relaterade begrepp. Som lärare kan du också förbättra LUIS-modellen interaktivt genom att identifiera och åtgärda förutsägelsemisstag.
Avsikter – klassificera talindata
En avsikt klassificerar exempelyttranden för att lära LUIS om avsikten. Exempelyttranden i en avsikt används som positiva exempel på yttrandet. Samma yttranden används som negativa exempel i alla andra avsikter.
Överväg en app som måste fastställa en användares avsikt att beställa en bok och en app som behöver leveransadressen för kunden. Den här appen har två avsikter: OrderBook och ShippingLocation.
Följande yttrande är ett positivt exempel på avsikten OrderBook och ett negativt exempel för avsikterna ShippingLocation och None :
Buy the top-rated book on bot architecture.
Entiteter – extrahera data
En entitet representerar en dataenhet som du vill extrahera från yttrandet. En maskininlärningsentitet är en entitet på den översta nivån som innehåller underentiteter, som även är maskininlärningsentiteter.
Ett exempel på en maskininlärningsentitet är en order för en flygbiljett. Konceptuellt är detta en enda transaktion med många mindre dataenheter, till exempel datum, tid, antal platser, typ av plats, till exempel första klass eller coach, ursprungsplats, målplats och måltidsval.
Avsikter kontra entiteter
En avsikt är det önskade resultatet av hela yttrandet medan entiteter är delar av data som extraheras från yttrandet. Avsikterna är vanligtvis knutna till åtgärder som klientprogrammet ska vidta. Entiteter är information som behövs för att utföra den här åtgärden. Ur ett programmeringsperspektiv utlöser en avsikt ett metodanrop och entiteterna används som parametrar för det metodanropet.
Det här yttrandet måste ha en avsikt och kan ha entiteter:
Buy an airline ticket from Seattle to Cairo
Det här yttrandet har en enda avsikt:
- Köpa en flygbiljett
Det här yttrandet kan ha flera entiteter:
- Platser i Seattle (ursprung) och Kairo (destination)
- Kvantiteten för en enskild biljett
Nedbrytning av entitetsmodell
LUIS stöder modellsammansättning med redigerings-API:er och delar upp ett koncept i mindre delar. På så sätt kan du skapa dina modeller med förtroende för hur de olika delarna konstrueras och förutsägs.
Modelldecomposition har följande delar:
- Avseenden
- maskininlärningsentiteter
- underentiteter (även maskininlärningsentiteter)
Funktioner
En funktion är ett särskiljande drag eller attribut för data som systemet observerar. Maskininlärningsfunktioner ger LUIS viktiga tips för var du ska leta efter saker som särskiljer ett koncept. De är tips som LUIS kan använda, men inte hårda regler. Dessa tips används tillsammans med etiketterna för att hitta data.
Mönster
Mönster är utformade för att förbättra noggrannheten när flera yttranden är mycket lika. Med ett mönster får du bättre exakthet för en avsikt utan att behöva tillhandahålla många fler yttranden.
Utöka appen vid körning
Appens schema (modeller och funktioner) tränas och publiceras till förutsägelseslutpunkten. Du kan skicka ny information, tillsammans med användarens yttrande, till förutsägelseslutpunkten för att utöka förutsägelsen.
Nästa steg
- Förstå avsikter och entiteter.
- Läs mer om funktioner