將您的交談語言理解模型定型
完成標記表達之後，您就可以開始定型模型。 定型是模型從標記表達中學習的流程。
若要定型模型，請啟動定型作業。 只有成功完成的作業才能建立模型。 定型作業會在七天後到期，您在此時間後無法擷取作業詳細資料。 如果您的定型作業順利完成，且已建立模型，模型將不會受到作業到期的影響。 您一次只能執行一個定型作業，而且您無法在同一個專案中啟動其他作業。
定型時間的範圍可以從處理協調流程工作流程專案時的幾秒鐘，一直到觸及表達上限的幾小時。
成功完成定型之後，就會自動觸發模型評估。 評估流程一開始會使用已定型的模型，在測試集中的表達上執行預測，並比較預測的結果與提供的標籤 (以建立事實基準)。
必要條件
平衡訓練資料
在訓練資料方面，您應該嘗試讓結構描述保持良好平衡。 包含大量單一意圖及包含少量另一個意圖，會導致模型偏向於特定意圖。
若要解決此案例，您可能須針對訓練集縮小取樣。 或者，您可以選擇新增至訓練集。 若要縮小取樣，您可以：
- 隨機移除特定百分比的訓練資料。
- 分析資料集並移除代表性過高的重複項目，從而採用更系統化的方式。
若要新增至訓練集，請在 Language Studio 中，選取 [資料標記] 索引標籤中的 [建議表達]。 交談語言理解會將呼叫傳送給 Azure OpenAI 以產生類似的表達。
您也應該在訓練集中尋找非預期的「模式」。 例如，確認特定意圖的訓練集是否全部採用小寫，或以特定片語開頭。 在這種情況下，您訓練的模型可能會在訓練集中學習這些非預期的偏差，而不是能夠進行一般化。
建議您在訓練集中引進大小寫和標點符號多樣性。 如果您的模型預期會處理變化，務必要有一個也會反映該多樣性的訓練集。 例如，包含一些採用適當大小寫的表達，以及一些全部採用小寫的表達。
資料分割
開始定型程序之前，專案中加上標籤的表達會分成定型集和測試集。 每一個都提供不同的功能。
定型集用於定型模型，模型從此定型集學習加上標籤的表達。
該測試集是一個盲集，不會在定型期間 (而是只在評估期間) 引入模型。
成功定型模型之後，會用來從測試集中的表達進行預測。 這些預測用來計算評估計量。
建議您確定所有意圖和實體都已充分呈現在定型和測試集中。
交談語言理解支援兩種資料分割方法：
- 從定型資料自動分割測試集：系統會根據選擇的百分比，在定型與測試集之間分割標記的資料。 建議的百分比分割是 80% 用於定型，20% 用於測試。
注意
如果您選擇 [從定型資料自動分割測試集] 選項，則只會根據提供的百分比來分割向定型集指派的資料。
- 使用手動分割定型和測試資料：此方法可讓使用者定義哪些表達應該屬於哪個集合。 只有在您已在標記期間將表達新增至測試集時，才會啟用此步驟。
定型模式
CLU 支援兩種定型模型的模式
標準定型會使用快速的機器學習演算法，以相對快速的方式來定型您的模型。 此模式目前僅支援英文，針對未以英文 (美國) 或英文 (英國) 為其主要語言的任何專案，則為停用。 這個定型選項是免費的。 標準定型可讓您新增表達，並快速進行測試。 顯示的評估分數應可引導您了解專案哪些位置需進行變更，並新增更多表達。 在逐一查看數次並進行漸進式改進之後，您就可以考慮使用進階定型來定型其他版本的模型。
進階定型會使用最新的機器學習技術，以利用您的資料自訂模型。 此模式預期會為您的模型顯示較佳效能分數，也可讓您使用 CLU 的多語系功能。 進階定型採不同定價方式。 如需詳細資料，請參閱定價資訊。
使用評估分數來引導決策。 有時候，相較於使用標準定型模式，特定範例在進階定型中的預測反而不正確。 不過，如果使用進階定型的整體評估結果較佳，則建議您使用最終模型。 如果不是這種情況，而且您不想使用任何多語系功能，則可以繼續使用以標準模式定型的模型。
注意
當每個演算法以不同的方式校正其分數時，您應該會看到各定型模式間意圖信賴分數的行為差異。
定型模型
若要從 Language Studio 內開始定型模型：
從左側功能表中選取 [定型模型]。
從頂端功能表中選取 [開始定型作業]。
選取 [定型新模型]，然後在文字輸入框中輸入模型名稱。 否則，若要以在新資料上定型的模型取代現有的模型，請選取 [覆寫現有的模型]，然後選取現有的模型。 覆寫定型的模型是無法復原的，但在您部署新模型之前，不會影響已部署的模型。
選取定型模式。 您可以選擇 [標準定型] 來加快定型速度，但僅適用於英文。 或者，您可以選擇支援其他語言和多語系專案的 [進階定型]，但需要較長的定型時間。 深入瞭解模型定型。
選取資料分割方法。 您可以選擇 [從定型資料自動分割測試集]，使用此方法時，系統會根據指定的百分比，將您的表達分割為定型集與測試集。 或者，您可以選擇 [使用手動分割定型和測試資料]，但只有在表達已新增至測試集，且您標記表達時，才會啟用此選項。
選取 [定型] 按鈕。
![顯示 Language Studio 中 [訓練] 頁面的螢幕擷取畫面。](../media/train-model.png)
選取清單中的定型作業識別碼。 隨即顯示窗格，您可以在其中檢查此作業的定型進度、作業狀態及其他詳細資料。
注意
- 只有成功完成的定型作業才會產生模型。
- 根據表達的計數，定型可能需要幾分鐘到幾小時的時間。
- 您一次只能執行一個定型作業。 除非執行中的作業完成，否則無法在同一個專案內啟動其他定型作業。
- 用來定型模型的機器學習會定期更新。 若要在先前的設定版本上定型，請從 [開始定型作業] 頁面選取 [選取這裡以變更]，然後選擇舊版。
開始定型作業
使用下列 URL、標頭和 JSON 本文來建立 POST 要求，以提交定型作業。
要求 URL
建立 API 要求時，請使用下列 URL。 以您自己的值取代預留位置值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}
| 預留位置 |
值 |
範例 |
{ENDPOINT} |
用於驗證 API 要求的端點。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
專案名稱。 此值區分大小寫。 |
EmailApp |
{API-VERSION} |
您正在呼叫的 API 版本。 |
2023-04-01 |
使用下列標頭來驗證您的要求。
| 機碼 |
值 |
Ocp-Apim-Subscription-Key |
資源的金鑰。 用於驗證 API 要求。 |
要求本文
在您的要求中使用下列物件。 定型完成後，模型會以您用於 modelLabel 參數的值命名。
{
"modelLabel": "{MODEL-NAME}",
"trainingMode": "{TRAINING-MODE}",
"trainingConfigVersion": "{CONFIG-VERSION}",
"evaluationOptions": {
"kind": "percentage",
"testingSplitPercentage": 20,
"trainingSplitPercentage": 80
}
}
| 機碼 |
預留位置 |
值 |
範例 |
modelLabel |
{MODEL-NAME} |
您的模型名稱。 |
Model1 |
trainingConfigVersion |
{CONFIG-VERSION} |
定型設定模型版本。 預設使用最新的模型版本。 |
2022-05-01 |
trainingMode |
{TRAINING-MODE} |
要用於定型的定型模式。 支援的模式是 [標準定型] 和 [進階定型]，前者定型速度較快，但僅適用於英文；後者支援其他語言和多語系專案，但需要較長的定型時間。 深入瞭解模型定型。 |
standard |
kind |
percentage |
分割方法。 可能的值為 percentage 或 manual。 如需詳細資訊，請參閱如何定型模型。 |
percentage |
trainingSplitPercentage |
80 |
要包含在定型集中的標記資料百分比。 建議的值為 80。 |
80 |
testingSplitPercentage |
20 |
要包含在測試集中的標記資料百分比。 建議的值為 20。 |
20 |
注意
只有在 Kind 設定為 percentage 且這兩個百分比的總和應該等於 100 時，才需要 trainingSplitPercentage 和 testingSplitPercentage。
傳送 API 要求之後，您會收到表示成功的 202 回應。 在回應標頭中，擷取 operation-location 值。 其格式如下：
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
您可以使用此 URL 來取得定型作業狀態。
取得定型作業狀態
定型有時可能會視定型資料大小和結構描述構的複雜度而定。 您可以使用下列要求來持續輪詢定型作業的狀態，直到成功完成為止。
當您傳送成功的訓練要求時，檢查作業狀態的完整要求 URL (包括端點、專案名稱和作業識別碼) 包含在回應的 operation-location 標頭中。
使用下列 GET 要求來取得模型定型程序的狀態。 請以您自己的值取代下列預留位置值。
要求 URL
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
| 預留位置 |
值 |
範例 |
{YOUR-ENDPOINT} |
用於驗證 API 要求的端點。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
專案名稱。 此值區分大小寫。 |
EmailApp |
{JOB-ID} |
用來尋找模型定型狀態的識別碼。 |
xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx |
{API-VERSION} |
您正在呼叫的 API 版本。 |
2023-04-01 |
使用下列標頭來驗證您的要求。
| 機碼 |
值 |
Ocp-Apim-Subscription-Key |
資源的金鑰。 用於驗證 API 要求。 |
回應本文
傳送要求之後，您會收到下列回應。 持續輪詢此端點，直到狀態參數變更為「成功」為止。
{
"result": {
"modelLabel": "{MODEL-LABEL}",
"trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
"trainingMode": "{TRAINING-MODE}",
"estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
"trainingStatus": {
"percentComplete": 3,
"startDateTime": "2022-04-18T15:45:06.8190649Z",
"status": "running"
},
"evaluationStatus": {
"percentComplete": 0,
"status": "notStarted"
}
},
"jobId": "xxxxx-xxxxx-xxxx-xxxxx-xxxx",
"createdDateTime": "2022-04-18T15:44:44Z",
"lastUpdatedDateTime": "2022-04-18T15:45:48Z",
"expirationDateTime": "2022-04-25T15:44:44Z",
"status": "running"
}
| 機碼 |
值 |
範例 |
modelLabel |
模型名稱 |
Model1 |
trainingConfigVersion |
定型設定版本。 預設使用最新版本。 |
2022-05-01 |
trainingMode |
您選取的定型模式。 |
standard |
startDateTime |
開始定型的時間 |
2022-04-14T10:23:04.2598544Z |
status |
定型作業的狀態 |
running |
estimatedEndDateTime |
定型作業完成的估計時間 |
2022-04-14T10:29:38.2598544Z |
jobId |
定型作業識別碼 |
xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx |
createdDateTime |
定型作業建立日期及時間 |
2022-04-14T10:22:42Z |
lastUpdatedDateTime |
定型作業上次更新的日期及時間 |
2022-04-14T10:23:45Z |
expirationDateTime |
定型作業到期日及時間 |
2022-04-14T10:22:42Z |
取消定型作業
使用下列 URL、標頭和 JSON 本文來建立 POST 要求，以取消定型作業。
要求 URL
建立 API 要求時，請使用下列 URL。 請以您自己的值取代下列預留位置值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}/:cancel?api-version={API-VERSION}
| 預留位置 |
值 |
範例 |
{ENDPOINT} |
用於驗證 API 要求的端點。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
專案名稱。 此值區分大小寫。 |
EmailApp |
{JOB-ID} |
這是定型作業識別碼。 |
XXXXX-XXXXX-XXXX-XX |
{API-VERSION} |
您正在呼叫的 API 版本。 |
2023-04-01 |
使用下列標頭來驗證您的要求。
| 機碼 |
值 |
Ocp-Apim-Subscription-Key |
資源的金鑰。 用於驗證 API 要求。 |
傳送 API 要求之後，您將會收到指出成功的 202 回應，這表示您的定型作業已取消。 成功呼叫的結果是用於檢查作業狀態的 Operation-Location 標頭。
下一步
![顯示 Language Studio 中 [訓練] 頁面的螢幕擷取畫面。](../media/train-model.png#lightbox)