Erste Schritte mit Conversational Language Understanding in Azure

  • 3 Minuten

Die Conversational Language Understanding-Funktion von Azure KI Language ermöglicht es Ihnen, ein Sprachmodell zu erstellen und es für Vorhersagen zu verwenden. Das Erstellen eines Modells umfasst die Definition von Entitäten, Absichten und Äußerungen. Bei der Erstellung von Prognosen wird ein Modell veröffentlicht, so dass Clientanwendungen Benutzereingaben entgegennehmen und Antworten zurückgeben können.

Azure-Ressourcen für Conversational Language Understanding

Um die Conversational Language-Funktionen in Azure zu nutzen, benötigen Sie eine Ressource in Ihrem Azure-Abonnement. Folgende Ressourcenarten können verwendet werden:

  • Azure KI Language: Eine Ressource, mit der Sie Apps mit branchenführenden Funktionen für das Verstehen natürlicher Sprache entwickeln können, ohne über Fachwissen im Bereich maschinelles Lernen zu verfügen. Sie können eine Sprachressource für Erstellung und Vorhersage verwenden.
  • Azure KI Services: eine allgemeine Ressource, die Conversational Language Understanding zusammen mit vielen anderen Azure KI Services-Diensten enthält. Sie können diesen Ressourcentyp nur für Vorhersage nutzen.

Die Trennung von Ressourcen ist dann sinnvoll, wenn Sie die Ressourcenverwendung für Azure KI Language getrennt von den Clientanwendungen verfolgen möchten, die alle Azure KI Services-Anwendungen nutzen.

Erstellen

Nachdem Sie eine Dokumenterstellungsressource erstellt haben, können Sie damit ein Conversational Language Understanding-Model trainieren. Um ein Modell zu trainieren, definieren Sie zunächst die Entitäten und Absichten, die Ihre Anwendung vorhersagen soll, sowie die Äußerungen für jede Absicht, die zum Trainieren des Vorhersagemodells verwendet werden können.

Conversational Language Understanding bietet eine umfassende Sammlung vordefinierter Domänen. Diese enthalten vordefinierte Absichten und Entitäten für allgemeine Szenarien, die Sie als Ausgangspunkt für Ihr Modell nutzen können. Außerdem können Sie Ihre eigenen Entitäten und Absichten erstellen.

Wenn Sie Entitäten und Absichten erstellen, können Sie dies in beliebiger Reihenfolge tun. Sie können eine Absicht erstellen und Wörter in den von Ihnen definierten Beispieläußerungen auswählen, um Entitäten für sie zu erstellen. Sie können die Entitäten auch im Voraus erstellen und sie dann Wörtern in Äußerungen zuordnen, während Sie die Absichten erstellen.

Sie können Code schreiben, um die Elemente Ihres Modells zu definieren. In den meisten Fällen ist es jedoch am einfachsten, Ihr Modell mit Hilfe von Language Studio zu erstellen – einer webbasierten Oberfläche zur Erstellung und Verwaltung von Conversational Language Understanding-Anwendungen.

Trainieren des Modells

Nachdem Sie die Absichten und Entitäten in Ihrem Modell definiert und geeignete Äußerungen aufgenommen haben, ist der nächste Schritt das Trainieren des Modells. Beim Training werden Ihre Äußerungen verwendet, um Ihrem Modell beizubringen, natürlichen Sprachausdrücken zu entsprechen, die ein Benutzer möglicherweise zu wahrscheinlichen Absichten und Entitäten sagt.

Nachdem Sie das Modell trainiert haben, können Sie es testen, indem Sie Text eingeben und die vorhergesagten Absichten überprüfen. Das Trainieren und Testen ist ein iterativer Prozess. Nachdem Sie Ihr Modell trainiert haben, testen Sie es mit beispielhaften Äußerungen, um festzustellen, ob die Absichten und Entitäten korrekt erkannt werden. Wenn dies nicht der Fall ist, führen Sie Aktualisierungen durch, trainieren und testen Sie noch mal.

Vorhersage

Wenn Sie mit den Ergebnissen der Trainings und Tests zufrieden sind, können Sie Ihre Conversational Language Understanding-App zur Nutzung in einer Prognoseressource veröffentlichen.

Clientanwendungen können das Modell verwenden, indem sie eine Verbindung zum Endpunkt für die Vorhersageressource herstellen und den entsprechenden Authentifizierungsschlüssel angeben sowie Benutzereingaben senden, um vorhergesagte Absichten und Entitäten zu erhalten. Die Vorhersagen werden an die Clientanwendung zurückgegeben, die dann basierend auf der vorhergesagten Absicht geeignete Maßnahmen ergreifen kann.