오케스트레이션 워크플로에서 사용되는 용어 정의

이 문서를 사용하여 오케스트레이션 워크플로를 사용할 때 접할 수 있는 몇 가지 정의와 용어에 대해 알아봅니다.

F1 점수

F1 점수는 정밀도와 재현율의 함수입니다. 정밀도와 재현율 사이의 균형을 추구할 때 필요합니다.

의도는 사용자가 수행하려는 작업을 나타냅니다. 항공편 예약 또는 결제와 같이 사용자 입력으로 표현된 목적이나 목표입니다.

모델은 특정 작업을 수행하도록 학습된 개체(이 경우 대화 이해 작업)입니다. 모델은 나중에 발화 이해에 사용할 수 있도록 학습할 레이블이 지정된 데이터를 제공하여 학습됩니다.

과잉 맞춤은 모델이 특정 예에 고정되어 있어 일반화할 수 없을 때 발생합니다.

모델이 얼마나 정확하고 정확한지를 측정합니다. 올바르게 식별된 긍정(진양성)과 식별된 모든 긍정 간의 비율입니다. 정밀도 메트릭은 예측된 클래스 중 얼마나 많은 레이블이 올바르게 지정되었는지 보여 줍니다.

프로젝트는 데이터를 기반으로 하는 사용자 지정 ML 모델을 빌드하기 위한 작업 영역입니다. 사용자 및 사용 중인 Azure 리소스에 대해 액세스 권한이 있는 다른 사용자만 프로젝트에 액세스할 수 있습니다.

실제 양성 클래스를 예측하는 모델의 능력을 측정합니다. 예측된 진양성과 실제로 태그된 것 간의 비율입니다. 재현율 메트릭은 예측된 클래스 중 얼마나 많은 것이 올바른지 보여 줍니다.

스키마는 프로젝트 내의 의도의 조합으로 정의됩니다. 스키마 디자인은 프로젝트 성공의 중요한 부분입니다. 스키마를 만드는 경우 프로젝트에 포함해야 하는 의도를 고려해야 합니다.

학습 데이터는 모델을 학습하는 데 필요한 정보 집합입니다.

발화는 대화의 문장에 대한 짧은 텍스트인 사용자 입력입니다. “다음 주 화요일 시애틀행 티켓 2매 예약”과 같은 자연어 구문입니다. 예제 발화를 추가하여 모델을 학습시키고 모델은 런타임에 새 발화에 대해 예측합니다.