Dela via

Dataformat som accepteras av konversationsspråkförståelse

  • Artikel

Om du laddar upp dina data till konversationsspråkförståelse måste de följa ett visst format. Använd den här artikeln om du vill veta mer om godkända dataformat.

Importera projektfilformat

Om du importerar ett projekt till förståelse för konversationsspråk måste den uppladdade filen ha följande format:

{
  "projectFileVersion": "2022-10-01-preview",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Conversation",
    "projectName": "{PROJECT-NAME}",
    "multilingual": true,
    "description": "DESCRIPTION",
    "language": "{LANGUAGE-CODE}",
    "settings": {
            "confidenceThreshold": 0
        }
  },
  "assets": {
    "projectKind": "Conversation",
    "intents": [
      {
        "category": "intent1"
      }
    ],
    "entities": [
      {
        "category": "entity1",
        "compositionSetting": "{COMPOSITION-SETTING}",
        "list": {
          "sublists": [
            {
              "listKey": "list1",
              "synonyms": [
                {
                  "language": "{LANGUAGE-CODE}",
                  "values": [
                    "{VALUES-FOR-LIST}"
                  ]
                }
              ]
            }            
          ]
        },
        "prebuilts": [
          {
            "category": "{PREBUILT-COMPONENTS}"
          }
        ],
        "regex": {
          "expressions": [
              {
                  "regexKey": "regex1",
                  "language": "{LANGUAGE-CODE}",
                  "regexPattern": "{REGEX-PATTERN}"
              }
          ]
        },
        "requiredComponents": [
            "{REQUIRED-COMPONENTS}"
        ]
      }
    ],
    "utterances": [
      {
        "text": "utterance1",
        "intent": "intent1",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "entities": [
          {
            "category": "ENTITY1",
            "offset": 6,
            "length": 4
          }
        ]
      }
    ]
  }
}
Nyckel Platshållare Värde Exempel
{API-VERSION} Den version av API:et som du anropar. 2023-04-01
confidenceThreshold {CONFIDENCE-THRESHOLD} Det här är tröskelvärdet under vilket avsikten förutsägs som Ingen avsikt. Värden är från 0 till 1. 0.7
projectName {PROJECT-NAME} Namnet på projektet. Det här värdet är skiftlägeskänsligt. EmailApp
multilingual true Ett booleskt värde som gör att du kan ha yttranden på flera språk i din datauppsättning. När din modell har distribuerats kan du fråga modellen på valfritt språk som stöds (inte nödvändigtvis i dina träningsdokument. Mer information om språkkoder som stöds finns i Språkstöd. true
sublists [] Matris som innehåller underlistor. Varje underlista är en nyckel och dess associerade värden. []
compositionSetting {COMPOSITION-SETTING} Regel som definierar hur du hanterar flera komponenter i entiteten. Alternativen är combineComponents eller separateComponents. combineComponents
synonyms [] Matris som innehåller alla synonymer. synonym
language {LANGUAGE-CODE} En sträng som anger språkkoden för yttranden, synonymer och reguljära uttryck som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta yttrandena. en-us
intents [] Matris som innehåller alla avsikter som du har i projektet. Dessa avsikter klassificeras från dina yttranden. []
entities [] Matris som innehåller alla entiteter i projektet. Dessa entiteter extraheras från dina yttranden. Varje entitet kan ha andra valfria komponenter definierade med sig: lista, fördefinierad eller regex. []
dataset {DATASET} Testuppsättningen som det här yttrandet går till när det delas upp före träningen. Mer information om datadelning finns i Träna modellen för förståelse av konversationsspråk. Möjliga värden för det här fältet är Train och Test. Train
category Den typ av entitet som är associerad med det angivna textintervallet. Entity1
offset Den inkluderande teckenpositionen i början av entiteten. 5
length Entitetens teckenlängd. 5
listKey Ett normaliserat värde för listan över synonymer som ska mappas tillbaka till i förutsägelsen. Microsoft
values {VALUES-FOR-LIST} En lista över kommaavgränsade strängar som matchas exakt för extrahering och mappning till listnyckeln. "msft", "microsoft", "MS"
regexKey {REGEX-PATTERN} Ett normaliserat värde för det reguljära uttrycket som ska mappas tillbaka till i förutsägelsen. ProductPattern1
regexPattern {REGEX-PATTERN} Ett reguljärt uttryck. ^pre
prebuilts {PREBUILT-COMPONENTS} De fördefinierade komponenterna som kan extrahera vanliga typer. Listan över fördefinierade komponenter som du kan lägga till finns i Fördefinierade entitetskomponenter som stöds. Quantity.Number
requiredComponents {REQUIRED-COMPONENTS} En inställning som anger ett krav på att en specifik komponent måste finnas för att returnera entiteten. Mer information finns i Entitetskomponenter. Möjliga värden är learned, regex, listeller prebuilts. "learned", "prebuilt"

Format för yttrandefil

Med förståelse för konversationsspråk kan du ladda upp dina yttranden direkt till projektet i stället för att skriva in dem en i taget. Du hittar det här alternativet på sidan med dataetiketter för projektet.

[
    {
        "text": "{Utterance-Text}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "{intent}",
        "entities": [
            {
                "category": "{entity}",
                "offset": 19,
                "length": 10
            }
        ]
    },
    {
        "text": "{Utterance-Text}",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "{intent}",
        "entities": [
            {
                "category": "{entity}",
                "offset": 20,
                "length": 10
            },
            {
                "category": "{entity}",
                "offset": 31,
                "length": 5
            }
        ]
    }
]
Nyckel Platshållare Värde Exempel
text {Utterance-Text} Din yttrandetext. Testning
language {LANGUAGE-CODE} En sträng som anger språkkoden för de yttranden som används i projektet. Om projektet är ett flerspråkigt projekt väljer du språkkoden för de flesta yttrandena. Mer information om språkkoder som stöds finns i Språkstöd. en-us
dataset {DATASET} Testuppsättningen som det här yttrandet går till när det delas upp före träningen. Mer information om datadelning finns i Träna modellen för förståelse av konversationsspråk. Möjliga värden för det här fältet är Train och Test. Train
intent {intent} Den tilldelade avsikten. intent1
entity {entity} Entiteten som ska extraheras. entity1
category Den typ av entitet som är associerad med det angivna textintervallet. Entity1
offset Den inkluderande teckenpositionen i början av texten. 0
length Längden på avgränsningsrutan i termer av UTF16-tecken. Utbildningen tar endast hänsyn till data i den här regionen. 500

Relaterat innehåll