Kom igång med förståelse för konversationsspråk i Azure

  • 3 minuter

Med funktionen för att förstå konversationsspråk (CLU) i Azure AI Language kan du skapa en språkmodell och använda den för förutsägelser. Redigering av en modell innebär att definiera entiteter, avsikter och yttranden. Att generera förutsägelser innebär att publicera en modell så att klientprogram kan ta användarindata och returnera svar.

Azure-resurser för förståelse av konversationsspråk

Om du vill använda CLU-funktioner i Azure behöver du en resurs i din Azure-prenumeration. Du kan använda följande typer av resurser:

  • Azure AI Language: En resurs som gör att du kan skapa appar med branschledande funktioner för förståelse av naturligt språk utan maskininlärningsexpertis. Du kan använda en språkresurs för redigering och förutsägelse.
  • Azure AI-tjänster: En allmän resurs som innehåller CLU tillsammans med många andra Azure AI-tjänster. Du kan bara använda den här typen av resurs för förutsägelse.

Separationen av resurser är användbar när du vill spåra resursanvändningen för Azure AI Language-användning separat från klientprogram som använder alla Azure AI-tjänstprogram.

Redigering

När du har skapat en redigeringsresurs kan du använda den för att träna en CLU-modell. Om du vill träna en modell börjar du med att definiera de entiteter och avsikter som programmet ska förutsäga samt yttranden för varje avsikt som kan användas för att träna förutsägelsemodellen.

CLU tillhandahåller en omfattande samling fördefinierade domäner som innehåller fördefinierade avsikter och entiteter för vanliga scenarier, som du kan använda som utgångspunkt för din modell. Du kan också skapa egna entiteter och avsikter.

När du skapar entiteter och avsikter kan du göra det i vilken ordning som helst. Du kan skapa en avsikt och skapa entiteter för avsikten genom att välja ord i de exempeltalindata som du definierar för den. Eller så kan du skapa entiteter i förväg och sedan mappa dem till ord i talindata medan du skapar avsikterna.

Du kan skriva kod för att definiera elementen i din modell, men i de flesta fall är det enklast att skapa din modell med hjälp av Language Studio – ett webbaserat gränssnitt för att skapa och hantera CLU-program.

Träna modellen

När du har definierat avsikter och entiteter i din modell, och tagit med en lämplig uppsättning exempeltalindata, är nästa steg att träna modellen. Med träning avses användning av exempeltalindata för att lära modellen att matcha naturliga språkuttryck, som en användare kan säga, med troliga avsikter och entiteter.

När modellen har tränats kan du testa den genom att skicka text och sedan granska de förutsedda avsikterna. Träning och testning är en iterativ process. När du har tränat din modell testar du den med exempeltalindata för att se om avsikterna och entiteterna identifieras på korrekt sätt. Om de inte identifieras korrekt gör du ändringar, tränar på nytt och testar igen.

Förutsägelse

När du är nöjd med resultatet från träningen och testningen kan du publicera programmet Conversational Language Understanding till en förutsägelseresurs för förbrukning.

Klientprogram kan använda modellen genom att ansluta till slutpunkten för förutsägelseresursen, ange lämplig autentiseringsnyckel och skicka användarindata för att hämta förutsedda avsikter och entiteter. Förutsägelserna returneras till klientprogrammet som sedan kan vidta lämpliga åtgärder beroende på den förutsedda avsikten.