Entitäten und ihr Zweck in LUISEntities and their purpose in LUIS

Der primäre Zweck von Entitäten besteht darin, der Clientanwendung eine vorhersagbare Extraktion von Daten zu ermöglichen.The primary purpose of entities is to give the client application predictable extraction of data. Ein optionaler sekundärer Zweck besteht darin, die Vorhersage der Absicht mit Deskriptoren zu verbessern.An optional, secondary purpose is to boost the prediction of the intent with descriptors.

Es gibt zwei Arten von Entitäten:There are two types of entities:

  • durch maschinelles Lernen erworben – im Kontextmachine-learned - from context
  • nicht durch maschinelles Lernen erworben – für genaue Textübereinstimmungennon-machine-learned - for exact text matches

Beginnen Sie immer mit einer durch maschinelles Lernen erworbenen Entität, da diese die größte Auswahl an Datenextraktionen bietet.Always begin with a machine-learned entity because that provides the widest range of data extraction choices.

Entität im Vergleich zu AbsichtenEntity compared to intent

Die Entität stellt ein Datenkonzept innerhalb der Äußerung dar, die Sie extrahieren möchten.The entity represents a data concept inside the utterance that you want extracted.

Gehen Sie von den folgenden drei Äußerungen aus:Consider the following 3 utterances:

ÄußerungUtterance Daten extrahiertData extracted ErklärungExplanation
Help - Nichts zu extrahieren.Nothing to extract.
Send Bob a present Bob, vorhandenBob, present Bob ist definitiv wichtig, um die Aufgabe abzuschließen.Bob is definitely important to completing the task. Die vorhandenen Informationen sind möglicherweise ausreichend, oder der Bot muss ggf. die aktuelle Frage mit einer Anschlussfrage klären.The present may be enough information or the bot may need to clarify what the present is with a follow-up question.
Send Bob a box of chocolates. Die beiden Daten („Bob“ und „box of chocolates“) sind wichtig, um die Anforderung des Benutzers abzuschließen.The two important pieces of data, Bob and the box of chocolates, is important to completing the user's request.

Eine Äußerung kann viele Entitäten oder auch überhaupt keine enthalten.An utterance can include many entities or none at all. Eine Clientanwendung benötigt eventuell die Entität, um ihre Aufgabe auszuführen.A client application may need the entity to perform its task.

Im Vergleich dazu ist die Vorhersage der Absicht für eine Äußerung erforderlich und stellt die gesamte Äußerung dar.By comparison, the prediction of the intent for an utterance is required and represents the entire utterance. Für LUIS müssen die Beispieläußerungen in einer Absicht enthalten sind.LUIS requires example utterances are contained in an intent. Wenn die primäre Absicht der Äußerung für die Clientanwendung nicht wichtig ist, fügen Sie alle Äußerungen der Absicht „None“ hinzu.If the primary intention of the utterance isn't important to the client application, add all the utterances to the None intent.

Wenn Sie zu einem späteren Zeitpunkt im App-Lebenszyklus feststellen, dass Sie die Äußerungen unterteilen möchten, können Sie dies problemlos erledigen.If you find, later in the app lifecycle, you want to break out the utterances, you can easily do that. Dadurch können Sie die Äußerungen bei der Erstellung organisieren, oder Sie können die vorhergesagte Absicht in der Clientanwendung verwenden.This can be to organize the utterances while you are authoring, or it can be to use the predicted intention in the client application.

Es ist nicht erforderlich, die vorhergesagte Absicht in der Clientanwendung zu verwenden, sie wird jedoch als Teil der Antwort vom Vorhersageendpunkt zurückgegeben.There is no requirement to use the predicted intent in the client application, but it is returned as part of the prediction endpoint response.

Darstellen von Daten durch EntitätenEntities represent data

Entitäten sind Daten, die Sie aus der Äußerung pullen möchten.Entities are data you want to pull from the utterance. Dabei kann es sich um einen Namen, ein Datum, einen Produktnamen oder eine Wortgruppe handeln.This can be a name, date, product name, or any group of words.

ÄußerungUtterance EntitätEntity DataData
Kaufe 3 Tickets nach New YorkBuy 3 tickets to New York Vordefinierte AnzahlPrebuilt number
Location.DestinationLocation.Destination
33
New YorkNew York
Kaufe ein Ticket von New York nach London am 5. MärzBuy a ticket from New York to London on March 5 Location.OriginLocation.Origin
Location.DestinationLocation.Destination
Vordefinierte datetimeV2Prebuilt datetimeV2
New YorkNew York
LondonLondon
5. März 2018March 5, 2018

Im Gegensatz zu Absichten sind Entitäten optional.While intents are required, entities are optional. Sie müssen keine Entitäten für sämtliche Konzepte Ihrer App erstellen, sondern lediglich für die, die für Aktionen der Clientanwendung erforderlich sind.You do not need to create entities for every concept in your app, but only for those required for the client application to take action.

Wenn Ihre Äußerungen keine Details enthalten, die Ihr Bot für das Fortfahren benötigt, müssen Sie diese auch nicht hinzufügen.If your utterances do not have details your bot needs to continue, you do not need to add them. Sie können sie bei fortschreitender Entwicklung Ihrer App später hinzufügen.As your app matures, you can add them later.

Gehen Sie wie folgt vor, wenn Sie nicht sicher sind, wie Sie die Informationen verwenden können: Fügen Sie einige allgemeine vordefinierte Entitäten, z.B. datetimeV2, ordinal, email und phonenumber hinzu.If you're not sure how you would use the information, add a few common prebuilt entities such as datetimeV2, ordinal, email, and phone number.

Entwerfen von Entitäten zur AnalyseDesign entities for decomposition

Gehen Sie beim Entwerfen Ihrer Entität von einer durch maschinelles Lernen erworbenen Entität aus.Begin your entity design with a machine-learned entity. So können Sie Ihre Entität im Lauf der Zeit ganz einfach erweitern und ändern.This allows for easy design growth and changes of your entity over time. Fügen Sie Unterkomponenten (untergeordnete Entitäten) mit Einschränkungen und Deskriptoren hinzu, um das Entwerfen der Entitäten abzuschließen.Add subcomponents (child entities) with constraints and descriptors to complete the entity design.

Der Entwurf für die Analyse bietet LUIS eine genauere Aufschlüsselung der Entitäten für Ihre Clientanwendung.Designing for decomposition allows LUIS to return a deep degree of entity resolution to your client application. Dadurch kann sich die Clientanwendung auf Geschäftsregeln konzentrieren und die Datenauflösung LUIS überlassen.This allows your client-application to focus on business rules and leave data resolution to LUIS.

Durch maschinelles Lernen erworbene Entitäten sind primäre DatensammlungenMachine-learned entities are primary data collections

Durch maschinelles Lernen erworbene Entitäten sind die Dateneinheit auf oberster Ebene.Machine-learned entities are the top-level data unit. Unterkomponenten sind untergeordnete Entitäten von durch maschinelles Lernen erworbenen Entitäten.Subcomponents are child entities of machine-learned entities.

Einschränkungen sind Entitäten mit genauer Textübereinstimmung, die Regeln zum Identifizieren und Extrahieren von Daten anwenden.Constraints are exact-text matching entities that apply rules to identify and extract data. Deskriptoren sind Features, mit denen die Relevanz von Wörtern oder Ausdrücken für die Vorhersage erhöht wird.Descriptors are features applied to boost the relevance of the words or phrases for the prediction.

Typen von EntitätenTypes of entities

Wählen Sie die Entität basierend darauf aus, wie die Daten extrahiert und nach der Extraktion dargestellt werden sollen.Choose the entity based on how the data should be extracted and how it should be represented after it is extracted.

EntitätstypEntity type ZweckPurpose
Durch maschinelles Lernen erworbenMachine-learned Übergeordnete Gruppierung von Entitäten, unabhängig vom Entitätstyp.Parent grouping of entities, regardless of entity type. Durch maschinelles Lernen erworbene Entitäten lernen über den Kontext der Äußerung.Machine-learned entities learn from context in the utterance. Aus diesem Grund ist die Variation der Platzierung in Beispieläußerungen wichtig.This makes variation of placement in example utterances significant.
ListeList Liste mit Elementen und den zugehörigen Synonymen, die per genauer Textübereinstimmung extrahiert werden.List of items and their synonyms extracted with exact text match.
Pattern.anyPattern.any Entität, bei der das Entitätsende schwierig zu ermitteln ist.Entity where end of entity is difficult to determine.
VordefiniertPrebuilt Bereits trainierte oder extrahierte spezielle Daten URLs oder E-Mail-Adressen.Already trained to extract specific kind of data such as URL or email. Einige dieser vordefinierten Entitäten werden im Open-Source-Projekt Recognizers-Text definiert.Some of these prebuilt entities are defined in the open-source Recognizers-Text project. Wenn Ihre Kultur oder Entität derzeit nicht unterstützt wird, können Sie sich am Projekt beteiligen.If your specific culture or entity isn't currently supported, contribute to the project.
Regulärer AusdruckRegular Expression Verwendet einen regulären Ausdruck für genaue Textübereinstimmungen.Uses regular expression for exact text match.

Die Entitätsrolle definiert den Kontext.Entity role defines context

Die Rolle einer Entität ist der benannte Alias, der auf dem Kontext innerhalb der Äußerung beruht.An entity's role is the named alias based on context within the utterance. Ein Beispiel ist eine Äußerung zum Buchen eines Flugs mit zwei Orten: Abflugs- und Ankunftsort.An example is an utterance for booking a flight that has two locations, origin and destination.

Book a flight from Seattle to Cairo

Die zwei Beispiele einer location-Entität müssen extrahiert werden.The two examples of a location entity need to be extracted. Die Clientanwendung muss den jeweiligen Ort kennen, um den Ticketkauf abschließen zu können.The client-application needs to know the type of location for each in order to complete the ticket purchase. Die location-Entität benötigt die beiden Rollen von origin und destination, und beide müssen in den Beispieläußerungen gekennzeichnet werden.The location entity needs two roles of origin and destination and both need to be marked in the example utterances.

Wenn LUIS zwar location findet, aber die Rolle nicht ermitteln kann, wird die Entität für den Ort trotzdem zurückgegeben.If LUIS finds the location but can't determine the role, the location entity is still returned. Die Clientanwendung muss eine Anschlussfrage stellen, um zu ermitteln, welche Art von Ort der Benutzer gemeint hat.The client application would need to follow up with a question to determine which type of location the user meant.

Mehrere Entitäten können in einer Äußerung existieren und können ohne Verwendung von Rollen extrahiert werden.Multiple entities can exist in an utterance and can be extracted without using roles. Wenn der Kontext des Satzes den Entitätswert angibt, sollte eine Rolle verwendet werden.If the context of the sentence indicates the entity value, then a role should be used.

Wenn die Äußerung eine Liste von Orten enthält, I want to travel to Seattle, Cairo, and London., ist dies eine Liste, in der jedes Element keine zusätzliche Bedeutung hat.If the utterance includes a list of locations, I want to travel to Seattle, Cairo, and London., this is a list where each item doesn't have an additional meaning.

Wenn mehr als die maximale Anzahl von Entitäten erforderlich istIf you need more than the maximum number of entities

Wenn Sie mehr als das Limit benötigen, wenden Sie sich an den Support.If you need more than the limit, contact support. Sammeln Sie dazu ausführliche Informationen über Ihr System, navigieren Sie zur LUIS-Website, und wählen Sie dann Support aus.To do so, gather detailed information about your system, go to the LUIS website, and then select Support. Wenn Ihr Azure-Abonnement Supportdienste umfasst, wenden Sie sich an den technischen Support von Azure.If your Azure subscription includes support services, contact Azure technical support.

Status der EntitätsvorhersageEntity prediction status

Im LUIS-Portal wird angezeigt, wenn die Entität in einer Beispieläußerung eine andere Entitätsvorhersage aufweist als die von Ihnen ausgewählte Entität.The LUIS portal shows when the entity, in an example utterance, has a different entity prediction than the entity you selected. Der Unterschied beim Score kommt vom aktuellen trainierten Modell.This different score is based on the current trained model.

Nächste SchritteNext steps

Erfahren Sie mehr über die Konzepte für gute Äußerungen.Learn concepts about good utterances.

Weitere Informationen zum Hinzufügen von Entitäten zu LUIS-Apps finden Sie unter Hinzufügen von Entitäten.See Add entities to learn more about how to add entities to your LUIS app.