Mulai Cepat: Pemahaman bahasa percakapan

Artikel
07/27/2022
15 menit untuk membaca

Gunakan artikel ini untuk memulai pemahaman Bahasa Percakapan menggunakan Language Studio dan REST API. Ikuti langkah-langkah ini untuk mencoba contoh.

Prasyarat

Langganan Azure - Buat satu secara gratis.

Saya mengalami masalah

Buka Language Studio dan masuk dengan akun Azure Anda.

Di jendela Pilih sumber daya bahasa yang muncul, temukan langganan Azure Anda, dan pilih sumber daya Bahasa Anda. Jika Anda tidak memiliki sumber daya, Anda bisa membuatnya.

Detail instans	Nilai yang diperlukan
Langganan Azure	Langganan Azure Anda.
Grup sumber daya Azure	Nama grup sumber daya Azure.
Nama sumber daya Azure	Nama sumber daya Azure Anda.
Lokasi	Salah satu wilayah yang didukung untuk sumber daya Bahasa Anda. Misalnya, "US Barat 2".
Tingkat harga	Salah satu tingkat harga yang valid untuk sumber daya Bahasa Anda. Anda dapat menggunakan tingkat Gratis (F0) untuk mencoba layanan.

Saya mengalami masalah

Buat proyek pemahaman bahasa percakapan

Setelah Anda memiliki sumber daya Bahasa, buat proyek pemahaman bahasa percakapan. Proyek adalah area kerja untuk membuat model ML kustom Anda berdasarkan data Anda. Proyek Anda hanya dapat diakses oleh Anda dan orang lain yang memiliki akses ke sumber daya Bahasa yang digunakan.

Untuk mulai cepat ini, Anda dapat mengunduh proyek sampel ini dan mengimpornya. Proyek ini dapat memprediksi perintah yang dimaksudkan dari input pengguna, seperti: membaca email, menghapus email, dan melampirkan dokumen ke email.

Di bawah bagian Pahami pertanyaan dan bahasa percakapan di Language Studio, pilih Pemahaman bahasa percakapan.
Ini akan membawa Anda ke halaman Proyek pemahaman bahasa percakapan. Dari menu drop-down di samping Buat proyek baru, pilih Impor.
Di jendela yang muncul, unggah file JSON yang ingin Anda impor. Pastikan file Anda mengikuti format JSON yang didukung.

Setelah pengunggahan selesai, Anda akan mendarat di halaman skema Build. Untuk mulai cepat ini, skema sudah dibuat, dan ucapan sudah diberi label dengan tujuan dan entitas.

Saya mengalami masalah

Latih model Anda

Biasanya, setelah membuat proyek, Anda harus membangun skema dan memberi label ucapan. Untuk mulai cepat ini, kami sudah mengimpor proyek siap dengan skema bawaan dan ucapan berlabel.

Untuk melatih model, Anda perlu memulai pekerjaan pelatihan. Output dari pekerjaan pelatihan yang sukses adalah model terlatih Anda.

Untuk mulai melatih model Anda dari dalam Language Studio:

Pilih Model kereta api dari menu sebelah kiri.
Pilih Mulai pekerjaan pelatihan dari menu atas.
Pilih Latih model baru dan ketik nama model di kotak teks. Anda juga dapat menimpa model yang ada dengan memilih opsi ini dan memilih model yang ingin Anda timpa dari menu tarik-turun. Menimpa model terlatih tidak dapat diubah, tetapi tidak akan memengaruhi model yang Anda sebarkan hingga Anda menyebarkan model baru.
Pilih mode pelatihan. Anda dapat memilih pelatihan Standar untuk pelatihan yang lebih cepat, tetapi hanya tersedia untuk bahasa Inggris. Atau Anda dapat memilih Pelatihan tingkat lanjut yang didukung untuk bahasa lain dan proyek multibahasa, tetapi melibatkan waktu pelatihan yang lebih lama. Pelajari selengkapnya tentang mode pelatihan.
Pilih metode pemisahan data. Anda dapat memilih Memisahkan set pengujian secara otomatis dari data pelatihan di mana sistem akan membagi ucapan Anda antara set pelatihan dan pengujian, sesuai dengan persentase yang ditentukan. Atau Anda dapat Menggunakan pemisahan manual data pelatihan dan pengujian, opsi ini hanya diaktifkan jika Anda telah menambahkan ucapan ke perangkat pengujian saat memberi label ucapan Anda.
Klik tombol Latih.
Klik pada ID Tugas Pelatihan dari daftar, panel samping akan muncul di mana Anda dapat memeriksa Kemajuan pelatihan, Status tugas, dan detail lainnya untuk tugas ini.
Catatan
- Hanya pekerjaan pelatihan yang diselesaikan, yang akan menghasilkan model.
- Pelatihan dapat memakan waktu antara beberapa menit dan beberapa jam berdasarkan jumlah ucapan.
- Anda hanya dapat memiliki satu pekerjaan pelatihan yang berjalan pada satu waktu. Anda tidak dapat memulai pekerjaan pelatihan lain dalam proyek yang sama sampai pekerjaan yang sedang berjalan selesai.

Saya mengalami masalah

sebarkan model anda

Biasanya setelah melatih model, Anda akan meninjau detail evaluasinya. Dalam mulai cepat ini, Anda akan menyebarkan model dan membuatnya tersedia untuk dicoba di Language Studio, atau Anda dapat memanggil API prediksi.

Untuk menyebarkan model Anda dari dalam Language Studio:

Pilih Menyebarkan model dari menu sebelah kiri.
Klik Tambahkan penyebaran untuk memulai pekerjaan penyebaran baru.
Pilih Buat penyebaran baru untuk membuat penyebaran baru dan tetapkan model terlatih dari menu dropdown di bawah ini. Anda juga dapat Menimpa penyebaran yang ada dengan memilih opsi ini dan memilih model terlatih yang ingin Anda tetapkan dari menu dropdown di bawah ini.

Catatan

Menimpa penyebaran yang ada tidak memerlukan perubahan pada panggilan API Prediksi Anda tetapi hasil yang Anda dapatkan akan didasarkan pada model yang baru ditetapkan.
Klik Sebarkan untuk mulai menyebarkan pekerjaan.
Setelah penyebaran berhasil, tanggal kedaluwarsa akan muncul di sampingnya. Kedaluwarsa penyebaran adalah ketika model yang Anda sebarkan tidak akan tersedia untuk digunakan untuk prediksi, yang biasanya terjadi dua belas bulan setelah konfigurasi pelatihan kedaluwarsa.

Saya mengalami masalah

Uji model

Setelah model disebarkan, Anda dapat mulai menggunakannya untuk membuat prediksi melalui API Prediksi. Untuk mulai cepat ini, Anda akan menggunakan Language Studio untuk menyampaikan ucapan, mendapatkan prediksi dan memvisualisasikan hasilnya.

Menguji model

Untuk menguji model dari studio Bahasa

Pilih Uji model dari menu sebelah kiri.
Pilih model yang ingin Anda uji. Anda hanya dapat menguji model yang ditetapkan untuk penyebaran.
Untuk proyek multi-bahasa, dari menu dropdown bahasa, pilih bahasa ucapan yang Anda uji.
Dari menu dropdown nama penyebaran, pilih nama penyebaran Anda.
Dalam kotak teks, masukkan ucapan untuk diuji.
Klik Jalankan pengujian dari menu atas.
Setelah menjalankan pengujian, Anda akan melihat respons model dalam hasilnya. Anda dapat melihat hasilnya dalam tampilan kartu entitas, atau melihatnya dalam format JSON.

Saya mengalami masalah

Membersihkan sumber daya

Jika Anda tidak memerlukan proyek lagi, Anda dapat menghapus proyek menggunakan Language Studio. Pilih proyek dari menu navigasi kiri, pilih proyek yang ingin Anda hapus dan klik Hapus dari menu atas.

Saya mengalami masalah

Prasyarat

Langganan Azure - Buat satu secara gratis.

Saya mengalami masalah

Buat sumber daya baru menggunakan portal Microsoft Azure

Buka portal Microsoft Azure untuk membuat sumber daya Bahasa Azure yang baru.
Klik Buat sumber daya baru
Di jendela yang muncul, cari Layanan bahasa
Klik Buat

Buat sumber daya Bahasa dengan detail berikut.

Detail instans	Nilai yang diperlukan
Wilayah	Salah satu wilayah yang didukung untuk sumber daya Bahasa Anda.
Nama	Nama yang diperlukan untuk sumber daya Bahasa Anda
Tingkat harga	Salah satu tingkat harga yang didukung untuk sumber daya Bahasa Anda.

Saya mengalami masalah

Dapatkan kunci sumber daya dan titik akhir Anda

Buka halaman citraan umum sumber daya Anda di portal Microsoft Azure.
Dari menu sebelah kiri, pilih Kunci dan Titik Akhir. Anda akan menggunakan titik akhir dan kunci untuk permintaan API

Saya mengalami masalah

Membuat proyek CLU

Saya mengalami masalah

Memicu pekerjaan proyek impor

Kirim permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mengimpor proyek Anda.

URL Permintaan

Gunakan URL berikut saat membuat permintaan API Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi

Gunakan sampel JSON berikut sebagai badan Anda.

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Conversation",
    "settings": {
      "confidenceThreshold": 0.7
    },
    "projectName": "{PROJECT-NAME}",
    "multilingual": true,
    "description": "Trying out CLU",
    "language": "{LANGUAGE-CODE}"
  },
  "assets": {
    "projectKind": "Conversation",
    "intents": [
      {
        "category": "intent1"
      },
      {
        "category": "intent2"
      }
    ],
    "entities": [
      {
        "category": "entity1"
      }
    ],
    "utterances": [
      {
        "text": "text1",
        "dataset": "{DATASET}",
        "intent": "intent1",
        "entities": [
          {
            "category": "entity1",
            "offset": 5,
            "length": 5
          }
        ]
      },
      {
        "text": "text2",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "intent2",
        "entities": []
      }
    ]
  }
}

Kunci	Tempat penampung	Nilai	Contoh
versi-api	`{API-VERSION}`	Versi API yang Anda panggil. Versi yang digunakan di sini harus versi model API yang sama dengan di URL. Lihat artikel versi model untuk mempelajari selengkapnya.	`2022-05-01`
`projectName`	`{PROJECT-NAME}`	Nama proyek Anda. Nilai ini peka huruf besar/kecil.	`EmailApp`
`language`	`{LANGUAGE-CODE}`	String yang menentukan kode bahasa untuk ucapan yang digunakan dalam proyek Anda. Jika proyek Anda adalah proyek multi-bahasa, pilih kode bahasa dari sebagian besar dokumen.	`en-us`
`multilingual`	`true`	Nilai boolean yang memungkinkan Anda memiliki dokumen dalam beberapa bahasa dalam himpunan data Anda. Saat model Anda diterapkan, Anda dapat membuat kueri model dalam bahasa apa pun yang didukung. Ini termasuk bahasa yang tidak disertakan dalam dokumen pelatihan Anda.	`true`
`dataset`	`{DATASET}`	Lihat cara melatih model untuk informasi tentang memisahkan data Anda antara pengujian dan perangkat pelatihan. Nilai yang mungkin untuk bidang ini adalah `Train` dan `Test`.	`Train`

Saya mengalami masalah

Dapatkan Status pekerjaan impor

Gunakan permintaan GET berikut untuk mengkueri status pekerjaan impor Anda. Anda dapat menggunakan URL yang Anda terima dari langkah sebelumnya, atau mengganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`{JOB-ID}`	ID untuk menemukan status pekerjaan ekspor Anda. Ini ada dalam nilai header `location` yang Anda terima di langkah sebelumnya.	`xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Deskripsi	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.	`{YOUR-PRIMARY-RESOURCE-KEY}`

Isi Respons

Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".

{
  "jobId": "xxxxx-xxxxx-xxxx-xxxxx",
  "createdDateTime": "2022-04-18T15:17:20Z",
  "lastUpdatedDateTime": "2022-04-18T15:17:22Z",
  "expirationDateTime": "2022-04-25T15:17:20Z",
  "status": "succeeded"
}

Saya mengalami masalah

Latih model Anda

Biasanya, setelah membuat proyek, Anda harus membuat skema dan menandai ucapan. Untuk mulai cepat ini, kami sudah mengimpor proyek siap dengan skema bawaan dan ucapan yang ditandai.

Mulai latih model Anda

Setelah proyek Anda diimpor, Anda dapat mulai melatih model Anda.

Kirim permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mengirimkan tugas pelatihan.

URL Permintaan

Gunakan URL berikut saat membuat permintaan API Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`EmailApp`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi permintaan

Gunakan objek berikut dalam permintaan Anda. Model ini akan diberi nama MyModel setelah pelatihan selesai.

{
  "modelLabel": "{MODEL-NAME}",
  "trainingMode": "{TRAINING-MODE}",
  "trainingConfigVersion": "{CONFIG-VERSION}",
  "evaluationOptions": {
    "kind": "percentage",
    "testingSplitPercentage": 20,
    "trainingSplitPercentage": 80
  }
}

Kunci	Tempat penampung	Nilai	Contoh
`modelLabel`	`{MODEL-NAME}`	Nama model anda.	`Model1`
`trainingConfigVersion`	`{CONFIG-VERSION}`	Versi model konfigurasi pelatihan. Secara default, versi model terbaru digunakan.	`2022-05-01`
`trainingMode`	`{TRAINING-MODE}`	Mode pelatihan yang akan digunakan untuk pelatihan. Mode yang didukung adalah Pelatihan standar, pelatihan yang lebih cepat, tetapi hanya tersedia untuk Bahasa Inggris dan Pelatihan tingkat lanjut yang didukung untuk bahasa lain dan proyek multibahasa, tetapi memerlukan waktu pelatihan yang lebih lama. Pelajari selengkapnya tentang mode pelatihan.	`standard`
`kind`	`percentage`	Memisahkan metode. Kemungkinan Nilainya adalah `percentage` atau `manual`. Lihat cara melatih model untuk informasi lebih lanjut.	`percentage`
`trainingSplitPercentage`	`80`	Persentase data anda yang ditandai untuk disertakan dalam set pelatihan. Nilai yang disarankan adalah `80`.	`80`
`testingSplitPercentage`	`20`	Persentase data anda yang ditandai untuk disertakan dalam set pengujian. Nilai yang disarankan adalah `20`.	`20`

Catatan

trainingSplitPercentage dan testingSplitPercentage hanya diperlukan jika Kind disetel ke percentage dan jumlah kedua persentase harus sama dengan 100.

Setelah mengirim permintaan API, Anda akan menerima respons 202 yang menunjukkan keberhasilan. Di header respons, ekstrak nilai operation-location. Nilai ini akan diformat seperti ini:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Anda dapat menggunakan URL ini untuk mendapatkan status pelatihan.

Saya mengalami masalah

Dapatkan Status Pelatihan

Pelatihan bisa memakan waktu antara 10 dan 30 menit. Anda dapat menggunakan permintaan berikut untuk terus melakukan polling status pekerjaan pelatihan hingga berhasil diselesaikan.

Gunakan permintaan GET berikut untuk mendapatkan status progres pelatihan model Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.

URL Permintaan

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{YOUR-ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`EmailApp`
`{JOB-ID}`	ID untuk menemukan status pelatihan model Anda. Ini ada di nilai header `location` yang Anda terima saat mengirimkan pekerjaan pelatihan Anda.	`xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi terbaru yang dirilis. Pelajari selengkapnya tentang versi API lain yang tersedia	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi Respons

Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".

{
  "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"
}

Kunci	Nilai	Contoh
`modelLabel`	Nama model	`Model1`
`trainingConfigVersion`	Versi konfigurasi pelatihan. Secara default, versi terbaru digunakan.	`2022-05-01`
`trainingMode`	Mode pelatihan yang Anda pilih.	`standard`
`startDateTime`	Waktu pelatihan dimulai	`2022-04-14T10:23:04.2598544Z`
`status`	Status tugas pelatihan	`running`
`estimatedEndDateTime`	Perkiraan waktu untuk menyelesaikan tugas pelatihan	`2022-04-14T10:29:38.2598544Z`
`jobId`	ID tugas pelatihan	`xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx`
`createdDateTime`	Tanggal dan waktu pembuatan tugas pelatihan	`2022-04-14T10:22:42Z`
`lastUpdatedDateTime`	Tanggal dan waktu tugas pelatihan terakhir diperbarui	`2022-04-14T10:23:45Z`
`expirationDateTime`	Tanggal dan waktu kedaluwarsa tugas pelatihan	`2022-04-14T10:22:42Z`

Saya mengalami masalah

sebarkan model anda

Biasanya setelah melatih model, Anda akan meninjau detail evaluasinya. Dalam mulai cepat ini, Anda hanya akan menyebarkan model Anda, dan memanggil API prediksi untuk mengkueri hasilnya.

Mengirimkan pekerjaan penyebaran

Buat permintaan PUT menggunakan URL, header, dan isi JSON berikut untuk mulai menyebarkan model pemahaman bahasa percakapan.

URL Permintaan

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`{DEPLOYMENT-NAME}`	Nama penyebaran Anda. Nilai ini peka huruf besar/kecil.	`staging`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi Permintaan

{
  "trainedModelLabel": "{MODEL-NAME}",
}

Kunci	Tempat penampung	Nilai	Contoh
trainedModelLabel	`{MODEL-NAME}`	Nama model yang akan ditetapkan ke penyebaran Anda. Anda hanya dapat menetapkan model yang berhasil dilatih. Nilai ini peka huruf besar/kecil.	`myModel`

Setelah mengirim permintaan API, Anda akan menerima respons 202 yang menunjukkan keberhasilan. Di header respons, ekstrak nilai operation-location. Nilai ini akan diformat seperti ini:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Anda dapat menggunakan URL ini untuk mendapatkan status penyebaran.

Saya mengalami masalah

Dapatkan status pekerjaan penyebaran

Gunakan permintaan GET berikut untuk mendapatkan status tugas penyebaran Anda. Ganti nilai tempat penampung di bawah ini dengan nilai Anda sendiri.

URL Permintaan

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`{DEPLOYMENT-NAME}`	Nama penyebaran Anda. Nilai ini peka huruf besar/kecil.	`staging`
`{JOB-ID}`	ID untuk menemukan status pelatihan model Anda. Ini ada di nilai header `location` yang Anda terima dari API sebagai respons terhadap permintaan penyebaran model Anda.	`xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi Respons

Setelah mengirim permintaan, Anda akan mendapatkan respons berikut. Pertahankan polling titik akhir ini sampai parameter status berubah menjadi "berhasil".

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Saya mengalami masalah

Model kueri

Setelah model disebarkan, Anda dapat mulai menggunakannya untuk membuat prediksi melalui API prediksi.

Setelah penerapan berhasil, Anda dapat mulai membuat kueri model yang diterapkan untuk prediksi.

Buat permintaan POST menggunakan URL, header, dan isi JSON berikut untuk mulai menguji model pemahaman bahasa percakapan.

URL Permintaan

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Isi permintaan

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "id": "1",
      "participantId": "1",
      "text": "Text 1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "stringIndexType": "TextElement_V8"
  }
}

Kunci	Tempat penampung	Nilai	Contoh
`participantId`	`{JOB-NAME}`		`"MyJobName`
`id`	`{JOB-NAME}`		`"MyJobName`
`text`	`{TEST-UTTERANCE}`	Ucapan yang ingin Anda prediksi niat dan ekstrak entitasnya.	`"Read Matt's email`
`projectName`	`{PROJECT-NAME}`	Nama proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`deploymentName`	`{DEPLOYMENT-NAME}`	Nama penyebaran Anda. Nilai ini peka huruf besar/kecil.	`staging`

Setelah Anda mengirim permintaan, Anda akan mendapatkan tanggapan berikut untuk prediksi

Isi Respons

{
  "kind": "ConversationResult",
  "result": {
    "query": "Text1",
    "prediction": {
      "topIntent": "inten1",
      "projectKind": "Conversation",
      "intents": [
        {
          "category": "intent1",
          "confidenceScore": 1
        },
        {
          "category": "intent2",
          "confidenceScore": 0
        },
        {
          "category": "intent3",
          "confidenceScore": 0
        }
      ],
      "entities": [
        {
          "category": "entity1",
          "text": 'text1",
          "offset": 29,
          "length": 12,
          "confidenceScore": 1
        }
      ]
    }
  }
}

Kunci	Nilai Sampel	Deskripsi
query	"Baca email Matt"	teks yang Anda kirim untuk kueri.
topIntent	"Read"	Niat yang diprediksi dengan skor keyakinan tertinggi.
niat	[]	Daftar semua niat yang diprediksi untuk teks kueri masing-masing dengan skor keyakinan.
entities	[]	array yang berisi daftar entitas yang diekstrak dari teks kueri.

Respons API untuk proyek percakapan

Dalam proyek percakapan, Anda akan mendapatkan prediksi untuk niat dan entitas yang ada dalam proyek Anda.

Niat dan entitas menyertakan skor keyakinan antara 0,0 hingga 1,0 yang terkait dengan seberapa yakin model dalam memprediksi elemen tertentu dalam proyek Anda.
Niat skor tertinggi terkandung dalam parameternya sendiri.
Hanya entitas yang diprediksi yang akan muncul dalam respons Anda.
Entitas menunjukkan:
- Teks entitas yang diekstraksi
- Lokasi awalnya dilambangkan dengan nilai offset
- Panjang teks entitas dilambangkan dengan nilai panjang.

Saya mengalami masalah

Membersihkan sumber daya

Jika Anda tidak memerlukan proyek lagi, Anda dapat menghapus proyek menggunakan API.

Buat permintaan HAPUS menggunakan URL, header, dan isi JSON berikut untuk menghapus proyek pemahaman bahasa percakapan.

URL Permintaan

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Tempat penampung	Nilai	Contoh
`{ENDPOINT}`	Titik akhir untuk mengautentikasi permintaan API Anda.	`https://<your-custom-subdomain>.cognitiveservices.azure.com`
`{PROJECT-NAME}`	Nama untuk proyek Anda. Nilai ini peka huruf besar/kecil.	`myProject`
`{API-VERSION}`	Versi API yang Anda panggil. Nilai yang dirujuk di sini adalah untuk versi model terbaru yang dirilis.	`2022-05-01`

Header

Gunakan header berikut untuk mengautentikasi permintaan Anda.

Kunci	Nilai
`Ocp-Apim-Subscription-Key`	Kunci sumber daya Anda. Digunakan untuk mengautentikasi permintaan API Anda.

Setelah Anda mengirim permintaan API, Anda akan menerima respons 202 yang menunjukkan keberhasilan, yang berarti proyek Anda telah dihapus.

Saya mengalami masalah

Langkah berikutnya

Pelajari tentang komponen entitas

Mulai Cepat: Pemahaman bahasa percakapan

Prasyarat

Masuk ke Language Studio

Buat proyek pemahaman bahasa percakapan

Latih model Anda

sebarkan model anda

Uji model

Menguji model

Membersihkan sumber daya

Prasyarat

Buat sumber daya baru menggunakan portal Microsoft Azure

Dapatkan kunci sumber daya dan titik akhir Anda

Membuat proyek CLU

Memicu pekerjaan proyek impor

URL Permintaan

Header

Isi

Dapatkan Status pekerjaan impor

Header

Isi Respons

Latih model Anda

Mulai latih model Anda

URL Permintaan

Header

Isi permintaan

Dapatkan Status Pelatihan

URL Permintaan

Header

Isi Respons

sebarkan model anda

Mengirimkan pekerjaan penyebaran

URL Permintaan

Header

Isi Permintaan

Dapatkan status pekerjaan penyebaran

URL Permintaan

Header

Isi Respons

Model kueri

URL Permintaan

Header

Isi permintaan

Isi Respons

Respons API untuk proyek percakapan

Membersihkan sumber daya

URL Permintaan

Header

Langkah berikutnya