Azure の会話言語理解の概要
Azure AI Language の会話言語理解機能を使用すると、言語モデルを作成し、予測に使用できます。 モデルの作成には、エンティティ、意図、発話の定義が含まれます。 予測の生成には、クライアント アプリケーションがユーザー入力を受け取って応答を返すことができるようにするためのモデルの公開が含まれます。
会話言語理解用の Azure リソース
Azure で会話言語機能を使用するには、Azure サブスクリプション内のリソースが必要です。 次の種類のリソースを使用できます。
- Azure AI Language:機械学習の専門知識がなくても、業界トップレベルの自然言語理解機能を備えたアプリを構築できるようにするリソース。 言語リソースは "作成" と "予測" に使用できます。
- Azure AI サービス: 会話言語理解と他の多くの Azure AI サービスを含む一般的なリソース。 この種類のリソースは、"予測" にのみ使用できます。
リソースの分離は、すべての Azure AI サービス アプリケーションを使うクライアント アプリケーションとは別に、Azure AI Language のリソース使用率を追跡する場合に便利です。
Authoring
作成リソースを作成したら、それを使用して会話言語理解モデルをトレーニングできます。 モデルをトレーニングするには、アプリケーションが予測するエンティティと意図、および予測モデルのトレーニングに使用できる各意図の発話を定義することから開始します。
会話言語理解には、一般的なシナリオに向けて事前定義された意図とエンティティを含む、事前構築された "ドメイン" の包括的なコレクションが用意されています。これはお客様のモデルの出発点として使用できます。 独自のエンティティと意図を作成することもできます。
エンティティと意図は、任意の順序で作成できます。 意図を作成し、定義したサンプル発話で単語を選択して、対応するエンティティを作成できます。または、エンティティを事前に作成し、意図を作成するときに発話内の単語にマップすることもできます。
コードを記述してモデルの要素を定義することもできますが、ほとんどの場合は、Language Studio (会話言語理解アプリケーションを作成して管理するための Web ベースのインターフェイス) を使用してモデルを作成するのが最も簡単です。
モデルのトレーニング
モデル内の意図とエンティティを定義し、適切なサンプル発話のセットを含めたら、次の手順として、モデルをトレーニングします。 トレーニングとは、ユーザーが口にする可能性のある自然言語表現と、可能性の高い意図やエンティティに一致させることを、サンプル発話を使用してモデルに学習させるプロセスです。
モデルをトレーニングしたら、テキストを送信し、予測される意図を確認して、モデルをテストできます。 トレーニングとテストは反復的なプロセスです。 モデルをトレーニングしたら、サンプル発話でテストして、意図とエンティティが正しく認識されるかどうかを確認します。 正しく認識されない場合は、更新し、再トレーニングを行い、もう一度テストします。
予測
トレーニングとテストの結果に問題がなければ、会話言語理解アプリケーションを予測リソースに公開して使うことができます。
クライアント アプリケーションでは、予測リソースのエンドポイントに接続し、適切な認証キーを指定することで、モデルを使用できます。また、ユーザー入力を送信して、予測される意図とエンティティを取得できます。 予測はクライアント アプリケーションに返され、アプリケーションでは、予測される意図に基づいて適切なアクションを実行できます。