Azure에서 대화형 언어 이해 시작
Azure AI Language의 대화형 언어 이해 기능을 사용하면 언어 모델을 작성하고 예측에 사용할 수 있습니다. 모델을 작성하려면 엔터티, 의도 및 발화를 정의해야 합니다. 예측을 생성하려면 클라이언트 애플리케이션이 사용자 입력을 받아 응답을 반환할 수 있도록 모델을 게시해야 합니다.
대화 언어 이해를 위한 Azure 리소스
Azure에서 대화형 언어 기능을 사용하려면 Azure 구독에 리소스가 필요합니다. 다음과 같은 유형의 리소스를 사용할 수 있습니다.
- Azure AI Language: 기계 학습 전문 지식 없이 업계 최고의 자연어 이해 기능으로 앱을 빌드할 수 있는 리소스입니다. 작성 및 예측에 언어 리소스를 사용할 수 있습니다.
- Azure AI 서비스: 다른 많은 Azure AI 서비스와 함께 대화 언어 이해를 포함하는 일반 리소스입니다. 예측을 위해서는 이 종류의 리소스만 사용할 수 있습니다.
리소스 분리는 모든 Azure AI 서비스 애플리케이션을 사용하는 클라이언트 애플리케이션과 별도로 Azure AI 언어 사용에 대한 리소스 사용률을 추적하려는 경우에 유용합니다.
작성
제작 리소스를 만든 후에는 이 리소스를 사용하여 대화형 언어 이해 모델을 학습시킬 수 있습니다. 모델을 학습하려면 먼저 예측 모델을 학습하는 데 사용할 수 있는 각 의도에 대한 발화뿐만 아니라 애플리케이션에서 예측할 엔터티 및 의도를 정의합니다.
대화형 언어 이해는 일반적인 시나리오에 대한 사전 정의된 의도 및 항목을 포함하는 사전 구축된 도메인의 포괄적인 모음을 제공합니다. 모델의 시작점으로 사용할 수 있습니다. 사용자 고유의 엔터티 및 의도를 만들 수도 있습니다.
엔터티 및 의도를 만들 때는 어떤 순서로든 이를 수행할 수 있습니다. 의도를 만든 다음 의도에 대해 정의한 샘플 발화에서 단어를 선택하여 엔터티를 만들 수도 있고, 엔터티를 미리 만든 다음 의도를 만드는 과정에서 발화에 포함된 단어에 의도를 매핑할 수도 있습니다.
모델의 요소를 정의하는 코드를 작성할 수 있지만 대부분의 경우 Conversational Language Understanding 애플리케이션을 만들고 관리하기 위한 웹 기반 인터페이스인 Language Studio를 사용하여 모델을 작성하는 것이 가장 쉽습니다.
모델 학습
모델의 의도와 엔터티를 정의하고 적절한 샘플 발화 세트를 포함했다면 이제 모델을 학습시킬 차례입니다. 학습이란 샘플 발화를 사용하여 사용자가 말할 수 있는 의도 및 엔터티의 자연어 표현과 일치하도록 모델을 가르치는 프로세스입니다.
모델을 학습시킨 후에는 텍스트를 제출하고 예측된 의도를 검토하여 모델을 테스트할 수 있습니다. 학습과 테스트는 반복적인 프로세스입니다. 모델을 학습시킨 후에는 샘플 발화로 모델을 테스트하여 의도와 엔터티가 제대로 인식되는지 확인합니다. 제대로 인식되지 않으면 업데이트하고 다시 학습시킨 후에 다시 테스트합니다.
예측
학습 및 테스트 결과에 만족하면 Conversational Language Understanding 애플리케이션이 사용될 수 있도록 예측 리소스에 게시할 수 있습니다.
클라이언트 애플리케이션은 예측 리소스의 엔드포인트에 연결하고 적절한 인증 키를 지정하고 사용자 입력을 제출하여 예측된 의도 및 엔터티를 얻음으로써 모델을 사용할 수 있습니다. 예측은 클라이언트 애플리케이션으로 반환되며, 클라이언트 애플리케이션은 예측된 의도에 따라 적절한 조취를 취할 수 있습니다.