Menggunakan layanan Azure AI dengan pemrosesan bahasa alami (NLP) untuk memperkaya percakapan bot

  • Artikel

Catatan

Layanan QnA Maker akan dihentikan pada 31 Maret 2025. Versi yang lebih baru dari kemampuan pertanyaan dan jawaban sekarang tersedia sebagai bagian dari Bahasa Azure AI. Untuk kemampuan menjawab pertanyaan dalam Language Service, lihat jawaban pertanyaan. Mulai 1 Oktober 2022, Anda tidak dapat membuat sumber daya QnA Maker baru. Untuk informasi tentang memigrasikan pangkalan pengetahuan QnA Maker yang ada pada jawaban atas pertanyaan, lihat panduan migrasi.

Layanan Azure AI menyediakan dua layanan pemrosesan bahasa alami, Pemahaman Bahasa dan QnA Maker, masing-masing dengan tujuan yang berbeda. Memahami kapan harus menggunakan setiap layanan dan bagaimana mereka saling melengkapi.

Pemrosesan bahasa alami (NLP) memungkinkan aplikasi klien Anda, seperti bot obrolan, untuk bekerja dengan pengguna Anda, menggunakan bahasa alami. Pengguna memasukkan kalimat atau frasa. Teks pengguna dapat memiliki tata bahasa, ejaan, dan tanda baca yang buruk. Layanan Azure AI tetap dapat bekerja melalui kalimat pengguna, mengembalikan informasi yang dibutuhkan bot obrolan untuk membantu pengguna.

Layanan Azure AI dengan NLP

Language Understanding (LUIS) dan Pembuat QnA menyediakan NLP. Aplikasi klien mengirimkan teks bahasa alami. Layanan ini mengambil teks, memprosesnya, dan mengembalikan hasilnya.

Kapan menggunakan setiap layanan

Language Understanding (LUIS) dan Pembuat QNA memecahkan masalah yang berbeda. LUIS menentukan niat teks pengguna (dikenal sebagai ucapan), sementara Pembuat QnA menentukan jawaban atas teks pengguna (yang dikenal sebagai kueri).

Untuk memilih layanan yang benar, Anda perlu memahami teks pengguna yang berasal dari aplikasi klien, dan informasi apa yang perlu didapatkan aplikasi klien dari layanan Azure AI.

Jika bot obrolan Anda menerima teks How do I get to the Human Resources building on the Seattle North campus?, gunakan bagan di bawah ini untuk memahami cara kerja setiap layanan dengan teks.

Layanan Aplikasi klien menentukan
LUIS Menentukan niat teks pengguna - layanan tidak mengembalikan jawaban atas pertanyaan tersebut. Misalnya, teks ini diklasifikasikan sebagai pencocokan niatFindLocation.
QnA Maker Mengembalikan jawaban atas pertanyaan dari basis pangkalan pengetahuan. Misalnya, teks ini ditentukan sebagai pertanyaan dengan jawaban teks statis Get on the #9 bus and get off at Franklin street.

Infografis untuk menentukan kapan menggunakan LUIS dan kapan menggunakan QnA Maker

Kapan anda menggunakan LUIS?

Gunakan LUIS ketika Anda perlu mengetahui maksud ucapan sebagai bagian dari proses dalam bot obrolan. Melanjutkan dengan contoh teks, How do I get to the Human Resources building on the Seattle North campus?, setelah Anda tahu niat pengguna adalah untuk menemukan lokasi, Anda dapat meneruskan detail tentang ucapan (ditarik keluar dengan entitas) ke layanan lain, seperti server transportasi, untuk mendapatkan jawabannya.

Anda tidak perlu menggabungkan LUIS dan Pembuat QnA untuk menentukan niat.

Anda mungkin menggabungkan dua layanan untuk ucapan ini, jika bot obrolan perlu memproses teks berdasarkan niat dan entitas (menggunakan LUIS) serta menemukan jawaban teks statis tertentu (menggunakan Pembuat QnA).

Kapan Anda menggunakan Pembuat QNA?

Gunakan QnA Maker ketika Anda memiliki dasar pengetahuan statis atas jawaban. Dasar pengetahuan ini sesuai dengan kebutuhan Anda, yang telah Anda buat dengan dokumen seperti PDF dan URL.

Melanjutkan dengan contoh ujaran, How do I get to the Human Resources building on the Seattle North campus?, kirim teks, sebagai kueri, ke layanan Pembuat QnA yang diterbitkan dan terima jawaban terbaik.

Anda tidak perlu menggabungkan LUIS dan Pembuat QNA untuk menentukan jawaban atas pertanyaan tersebut.

Anda mungkin menggabungkan dua layanan untuk ucapan ini, jika bot obrolan perlu memproses teks berdasarkan niat dan entitas (menggunakan LUIS) serta menemukan jawabannya (menggunakan Pembuat QNA).

Gunakan kedua layanan saat basis pengetahuan Anda tidak lengkap

Jika Anda membangun basis pengetahuan Pembuat QNA Anda tetapi tahu domain subjek berubah (seperti informasi yang tepat waktu), Anda dapat menggabungkan layanan LUIS dan Pembuat QNA. Hal ini memungkinkan Anda untuk menggunakan informasi di basis pengetahuan Anda tetapi juga menggunakan LUIS untuk menentukan niat pengguna. Setelah aplikasi klien memiliki niat, aplikasi dapat meminta informasi yang relevan dari sumber lain.

Aplikasi klien Anda perlu memantau respons LUIS dan Pembuat QNA untuk skor. Jika skor dari Pembuat QNA berada di bawah ambang batas sewenang-wenang, gunakan informasi niat dan entitas yang dikembalikan dari LUIS untuk meneruskan informasi ke layanan pihak ketiga.

Melanjutkan dengan contoh teks, How do I get to the Human Resources building on the Seattle North campus?, misalkan Pembuat QNA mengembalikan skor keyakinan diri yang rendah. Gunakan niat yang dikembalikan dari LUIS, FindLocation dan entitas apa pun yang diekstrak, seperti Human Resources building dan Seattle North campus, untuk mengirim informasi ini ke layanan pemetaan atau pencarian untuk jawaban lain.

Anda dapat menyajikan jawaban pihak ketiga ini kepada pengguna untuk validasi. Setelah Anda memiliki persetujuan pengguna, Anda dapat kembali ke Pembuat QNA untuk menambahkan informasi untuk menumbuhkan pengetahuan Anda.

Gunakan kedua layanan saat bot obrolan Anda membutuhkan informasi lebih lanjut

Jika bot obrolan Anda membutuhkan lebih banyak informasi daripada yang disediakan layanan, untuk melanjutkan melalui pohon keputusan, gunakan layanan dan proses kedua respons dalam aplikasi klien.

Menggunakan alat Dispatch CLI kerangka kerja Bot untuk membantu membangun proses agar berfungsi dengan kedua layanan. Alat ini membangun aplikasi LUIS teratas terhadap niat yang dikirim antara LUIS dan Pembuat QNA sebagai aplikasi anak. Pelajari selengkapnya tentang pengintegrasian dengan LUIS, Pembuat QNA, dan kerangka kerja Bot.

Gunakan contoh penyusun Bot, NLP dengan pengiriman, di C# atau Node.js, untuk menerapkan jenis bot obrolan ini.

Praktik terbaik

Menerapkan praktik terbaik untuk setiap layanan:

Lihat juga

Langkah berikutnya