Erkennungen in adaptiven Dialogen

  • Artikel

GILT FÜR: SDK v4

Spracherkennungen ermöglichen es Ihrem Bot, Benutzereingaben zu interpretieren. Adaptive Dialogfelder und Spracherkennungen arbeiten zusammen, um Benutzerabsichten zu interpretieren und flüssig auf Benutzereingaben zu reagieren. In diesem Artikel werden die integrierten Erkennungen im Bot Framework SDK und einige ihrer wichtigsten Eigenschaften beschrieben.

Informationen zur Verwendung der Erkennung finden Sie in der Bot Framework Composer-Dokumentation unter Sprachverständnis.

CrossTrained-Erkennungssatz

Der CrossTrained-Erkennungssatz vergleicht Erkennungsergebnisse aus mehreren Erkennungen, um die beste Erkennung zu ermitteln. Bei einer Sammlung von Erkennungen übernimmt der CrossTrained-Erkennungssatz folgende Aufgaben:

  • Das Ergebnis einer der Erkennungen wird höher gestuft, wenn alle anderen Erkennungen zu einer einzigen Erkennung verschoben werden. Zum Verschieben einer Erkennung kann die None-Absicht oder eine explizite DeferToRecognizer_recognizerId als Absicht zurückgegeben werden.
  • Ein OnChooseIntent-Ereignis wird ausgelöst, sodass Ihr Code entscheiden kann, welches Erkennungsergebnis verwendet wird. Die Ergebnisse jeder Erkennung werden über die turn.recognized.candidates-Eigenschaft zurückgegeben. So können Sie das am besten geeignete Ergebnis auswählen.

Standard-Erkennungsmodul

Hinweis

Azure KI QnA Maker wird am 31. März 2025 eingestellt. Ab dem 01. Oktober 2022 können Sie keine neuen QnA Maker-Ressourcen oder Wissensdatenbanken mehr erstellen. Eine neuere Version der Funktionalität „Fragen und Antworten“ ist jetzt als Teil von Azure KI Language verfügbar.

Benutzerdefiniertes Fragen und Antworten, eine Azure KI Language-Funktion, ist die aktualisierte Version des QnA Maker-Diensts. Weitere Informationen zur Unterstützung von Fragen und Antworten im Bot Framework SDK finden Sie unter Natürliches Sprachverständnis.

Hinweis

Language Understanding (LUIS) wird am 1. Oktober 2025 eingestellt. Ab dem 1. April 2023 können Sie keine neuen LUIS-Ressourcen erstellen. Eine neuere Version von Language Understanding ist jetzt als Teil von Azure KI Language verfügbar.

Conversational Language Understanding (CLU), ein Feature von Azure KI Language, ist die aktualisierte Version von LUIS. Weitere Informationen zu Language Understanding im Bot Framework-SDK finden Sie unter Natürliches Sprachverständnis.

Die Standarderkennung wurde erstellt, um die folgenden Erkennungen zu ersetzen:

  • LUIS-Erkennungsmodul - um Absichten und Entitäten aus der Äußerung eines Benutzers basierend auf dem definierten Sprachverständnisdienst (LUIS) zu extrahieren.
  • QnA Maker-Erkennungsmodul - zum Extrahieren von Absichten aus der Äußerung eines Benutzers basierend auf dem definierten QnA Maker-Dienst.
  • CrossTrained-Erkennungsmodul-Satz - vergleicht Erkennungsergebnisse aus mehreren Erkennungsmodulen, um die besten Ergebnisse zu ermitteln.

LUIS-Erkennung

Language Understanding (LUIS) ist ein cloudbasierter API-Dienst, der benutzerdefinierte Machine Learning-Intelligenz auf natürliche Konversationssprachtexte eines Benutzers anwendet, um die allgemeine Bedeutung vorherzusagen sowie relevante und detaillierte Informationen abzurufen. Mit der LUIS-Erkennung können Sie Absichten und Entitäten aus der Äußerung eines Benutzer basierend auf der definierten LUIS-Anwendung extrahieren, die Sie vorab trainieren.

Tipp

Weitere Informationen zum Integrieren von Sprachverständnis in Ihren Bot mit LUIS finden Sie unter:

Mehrsprachige Erkennung

Wenn Sie einen ausgereiften mehrsprachigen Bot erstellen, binden Sie in der Regel ein Erkennungsmodul an eine bestimmte Sprache und ein bestimmtes Gebietsschema an. Bei der mehrsprachigen Erkennung können Sie mithilfe der locale-Eigenschaft einer eingehenden Benutzeraktivität ganz einfach die zu verwendende Erkennung angeben.

Weitere Informationen finden Sie im Mehrsprachen-Support-Artikel in der Composer-Dokumentation.

Orchestrator-Erkennung

Orchestrator ist eine für unterhaltungsfähige KI-Anwendungen optimierte Sprachverständnislösung. Er ersetzt den Bot Framework Dispatcher. Mit der Orchestrator-Erkennung können Sie eine Absicht aus der Äußerung eines Benutzers extrahieren, die verwendet werden kann, um zu einer geeigneten Fähigkeit oder Erkennung wie LUIS oder QnA Maker zu gelangen.

Tipp

Weitere Informationen zum Integrieren von Sprachverständnis in Ihren Bot mithilfe von Orchestrator finden Sie unter:

QnA Maker-Erkennung

QnAMaker.ai gehört zu den Azure KI-Diensten und ermöglicht Ihnen, aussagekräftige Frage-Antwort-Paare aus vorhandenen Inhalten zu erstellen: Dokumente, URLs, PDFs usw. Sie können die QnA Maker-Erkennung in den Dienst integrieren.

Hinweis

Die QnA Maker-Erkennung gibt ein QnAMatch-Ereignis aus, das Sie mit einem OnQnAMatch-Trigger verarbeiten können. Die gesamte QnA Maker-Antwort ist in der answer-Eigenschaft verfügbar.

Erkennungssatz

Manchmal müssen Sie im Verlauf einer Unterhaltung mehrere Erkennungen ausführen. Dabei hilft ein Erkennungssatz. Bei jeder Wendung in der Unterhaltung werden alle Erkennungen ausgeführt, und das Ergebnis ist ein Zusammenschluss aller Erkennungsergebnisse.

Erkennung von regulären Ausdrücken (regex)

Mit der RegEx-Erkennung können Sie Absichts- und Entitätsdaten basierend auf Mustern regulärer Ausdrücke aus einer Äußerung extrahieren.

Die Regex-Erkennung besteht in erster Linie aus:

  • Intents. Das Intents-Objekt enthält eine Liste mit IntentPattern-Objekten. Diese IntentPattern-Objekte bestehen aus einer Intent-Eigenschaft, bei der es sich um den Namen der Absicht handelt und einer Pattern-Eigenschaft. Letztere Eigenschaft enthält einen regulären Ausdruck, mit dem die Äußerung analysiert wird, um die Absicht zu ermitteln.
  • Entities. Jedes Entities-Objekt enthält eine Liste mit EntityRecognizer-Objekten. Das Bot Framework SDK definiert mehrere EntityRecognizer-Klassen, um Sie beim Ermitteln der Entitäten zu unterstützen, die in der Äußerung eines Benutzers enthalten sind:
    • AgeEntityRecognizer
    • ConfirmationEntityRecognizer
    • CurrencyEntityRecognizer
    • DateTimeEntityRecognizer
    • DimensionEntityRecognizer
    • EmailEntityRecognizer
    • EntityRecognizer
    • EntityRecognizerSet
    • GuidEntityRecognizer
    • HashtagEntityRecognizer
    • IpEntityRecognizer
    • MentionEntityRecognizer
    • NumberEntityRecognizer
    • NumberRangeEntityRecognizer
    • OrdinalEntityRecognizer
    • PercentageEntityRecognizer
    • PhoneNumberEntityRecognizer
    • RegExEntityRecognizer
    • TemperatureEntityRecognizer
    • TextEntity
    • TextEntityRecognizer
    • UrlEntityRecognizer

Tipp

  • Die RegEx-Erkennung gibt die Absicht „None“ aus, wenn die Eingabeäußerung keiner definierten Absicht entspricht. Sie können einen OnIntent-Trigger mit Intent = "None" erstellen, um dieses Szenario zu verarbeiten.
  • Die RegEx-Erkennung eignet sich gut zum Testen und zum schnellen Erstellen von Prototypen. Für anspruchsvollere Bots empfiehlt sich die Verwendung von Language Understanding (LUIS-Erkennung).
  • Nützliche Informationen finden Sie in der Sprachlichen Kurzübersicht zu regulären Ausdrücken.

Zusätzliche Informationen