开始在 Azure 中使用对话语言理解

使用 Azure AI 语言的对话语言理解 (CLU) 功能可以创建语言模型并将其用于预测。创建模型涉及定义实体、意向和语句。生成预测涉及发布模型，以便客户端应用程序可以接受用户输入和返回响应。

适用于对话语言理解的 Azure 资源

若要在 Azure 中使用 CLU 功能，需要在 Azure 订阅中使用资源。可以使用以下类型的资源：

如果希望从使用所有 Azure AI 服务应用程序的客户端应用程序单独跟踪 Azure AI 语言使用的资源利用率，可以将资源分开。

创建创作资源后，可以使用它来训练 CLU 模型。若要训练模型，首先定义应用程序将预测的实体和意向以及可用于训练预测模型的每个意向的语句。

CLU 提供了全面的预生成域的集合，其中包括针对常见应用场景的预定义意图和实体；你可以将其用作模型的起点。你还可以创建自己的实体和意图。

创建实体和意图时，你可以按任何顺序进行。你可以创建一个意图，并在为其定义的样本言语中选择单词，为它们创建实体；或者，你也可以提前创建实体，然后在创建意图时将它们映射到言语中的单词。

你可以编写代码来定义模型的元素，但是在大多数情况下，使用 Language studio 来创作模型最简单，CLU 门户是一个基于 Web 的界面，用于创建和管理 LUIS 应用程序。

在模型中定义了意图和实体，并包括一组合适的样本言语之后；下一步是训练模型。训练是使用样本言语来指导模型的过程，它匹配用户所说的自然语言表达的可能意图和实体。

训练模型后，可以通过提交文本并查看预测的意图来对其进行测试。训练和测试是一个迭代过程。训练模型后，可以使用样本言语对其进行测试，看能否正确识别出意图和实体。如果不能，请进行更新、重新训练，并再次测试。

如果你对训练和测试结果满意，可以将对话语言理解应用程序发布到预测资源中以供使用。

客户端应用程序可以通过连接到预测资源的终结点，指定适当的身份验证密钥来使用模型；并提交用户输入以获取预测的意图和实体。客户端应用程序收到返回的预测，然后可以根据预测的意图采取适当的措施。