你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
什么是对话语言理解？
对话语言理解是 Azure AI 语言提供的自定义功能之一。 它是一种基于云的 API 服务，应用机器学习智能，使你能够构建自然语言理解组件以用于端到端的对话应用程序。
使用对话语言理解 (CLU)，用户可以构建自定义自然语言理解模型，以预测传入话语的总体意图并从中提取重要信息。 CLU 仅提供智能来了解客户端应用程序的输入文本，它不执行任何操作。 通过创建 CLU 项目，开发者可以在模型可供使用之前，以迭代方式标记语句，训练和评估模型性能。 已标记数据的质量会极大地影响模型性能。 为了简化生成和自定义模型，该服务提供了一个自定义 Web 门户，可通过 Language Studio 访问该门户。 可以按照此快速入门中的步骤轻松开始使用该服务。
本文档包含以下文章类型：
使用方案示例
CLU 可用于各种行业的多种方案。 下面是一些示例：
端到端对话机器人
使用 CLU 基于特定域和预期用户话语生成和训练自定义自然语言理解模型。 将其与任何端到端对话机器人集成，以便它可以实时处理和分析传入文本，以识别文本的意图并从中提取重要信息。 让机器人根据意图和提取的信息执行所需的操作。 例如，用于在线购物或食品订购的自定义零售机器人。
人工助理机器人
人工助理机器人的一个示例是，通过对客户查询进行会审并将其分配给适当的支持工程师来帮助员工改进客户参与度。 另一个示例是企业中的人力资源机器人，该机器人支持员工以自然语言进行通信，并根据查询接收指导。
命令和控制应用程序
在你将客户端应用程序与语音转文本组件集成后，用户可以用自然语言说出命令，让 CLU 进行处理、识别意图，并从文本中提取信息，以便客户端应用程序执行操作。 此用例有许多应用场景，例如停止、播放、前进和倒带歌曲，或者开灯或关灯。
企业聊天机器人
在大型企业中，企业聊天机器人可以处理各种员工事务。 它可以处理由自定义问题回答知识库提供的常见问题、由对话语言理解提供的日历特定技能以及由 LUIS 提供的面试反馈技能。 使用业务流程工作流将所有这些技能连接在一起，并适当地将传入请求路由到正确的服务。
项目开发生命周期
创建 CLU 项目通常涉及几个不同的步骤。
请按照以下步骤操作，充分利用模型：
定义架构：了解数据并定义需要从用户的输入语句中识别的操作和相关信息。 在此步骤中，将创建要分配给用户的语句的意向，以及要提取的相关实体。
标记数据：数据标记的质量是确定模型性能的关键因素。
训练模型：模型始于从已标记数据进行学习。
查看模型性能：查看模型的评估详细信息，以确定它在引入新数据时的性能。
优化模型：查看模型的性能后，可以了解如何优化模型。
部署模型：部署模型后，可通过运行时 API 使用它。
预测意向和实体：使用自定义模型从用户的语句中预测意向和实体。
参考文档和代码示例
使用 CLU 时，请参阅适用于 Azure AI 语言的以下参考文档和示例：
| 开发选项/语言 | 参考文档 | 示例 |
|---|---|---|
| REST API（创作） | REST API 文档 | |
| REST API（运行时） | REST API 文档 | |
| C#（运行时） | C# 文档 | C# 示例 |
| Python（运行时） | Python 文档 | Python 示例 |
负责任的 AI
AI 系统不仅包括技术，还包括使用它的人员、受其影响的人员以及部署它的环境。 阅读 CLU的透明度说明，了解如何在系统中负责任地使用和部署 AI。 有关详细信息，还可以参阅以下文章：