Migreren van Language Understanding (LUIS) naar conversational language understanding (CLU)
Conversational Language Understanding (CLU) is een cloudgebaseerde AI-aanbieding in Azure AI Language. Het is de nieuwste generatie van Language Understanding (LUIS) en biedt achterwaartse compatibiliteit met eerder gemaakte LUIS-toepassingen. CLU maakt gebruik van state-of-the-art machine learning intelligence om gebruikers in staat te stellen een aangepast model voor natuurlijke taalbegrip te bouwen voor het voorspellen van intenties en entiteiten in gespreksuitingen.
CLU biedt de volgende voordelen ten opzichte van LUIS:
- Verbeterde nauwkeurigheid met geavanceerde machine learning-modellen voor betere intentieclassificatie en entiteitextractie. LUIS vereist meer voorbeelden om bepaalde concepten in intenties en entiteiten te generaliseren, terwijl de geavanceerdere machine learning van CLU de last voor klanten vermindert door aanzienlijk minder gegevens te vereisen.
- Meertalige ondersteuning voor model learning en training. Train projecten in één taal en voorspel onmiddellijk intenties en entiteiten in 96 talen.
- Gemak van integratie met verschillende CLU en aangepaste vragen die projecten beantwoorden met behulp van orchestration workflow.
- De mogelijkheid om testgegevens toe te voegen binnen de ervaring met behulp van Language Studio en API's voor evaluatie van modelprestaties voorafgaand aan de implementatie.
Om aan de slag te gaan, kunt u een nieuw project maken of uw LUIS-toepassing migreren.
Vergelijking tussen LUIS en CLU
In de volgende tabel ziet u een vergelijking naast elkaar tussen de functies van LUIS en CLU. Ook worden de wijzigingen in uw LUIS-toepassing gemarkeerd na de migratie naar CLU. Selecteer het gekoppelde concept voor meer informatie over de wijzigingen.
| LUIS-functies | CLU-functies | Na de migratie |
|---|---|---|
| Machine learning- en Structured ML-entiteiten | Geleerde entiteitsonderdelen | Door machine learning-entiteiten zonder subentiteiten worden overgedragen als CLU-entiteiten. Gestructureerde ML-entiteiten dragen alleen leaf-knooppunten (subentiteiten op het laagste niveau die geen eigen subentiteiten hebben) over als entiteiten in CLU. De naam van de entiteit in CLU is de naam van de subentiteit die is samengevoegd met de bovenliggende entiteit. Bijvoorbeeld Order.Size |
| Entiteiten weergeven, regex en vooraf gedefinieerd | Onderdelen van een lijst, regex en vooraf gedefinieerde entiteit | Lijst-, regex- en vooraf gemaakte entiteiten worden overgedragen als entiteiten in CLU met een ingevuld entiteitsonderdeel op basis van het entiteitstype. |
Pattern.Any Entiteiten |
Momenteel niet beschikbaar | Pattern.Any entiteiten worden verwijderd. |
| Eén cultuur voor elke toepassing | Meertalige modellen maken meerdere talen mogelijk voor elk project. | De primaire taal van uw project wordt ingesteld als uw LUIS-toepassingscultuur. Uw project kan worden getraind om uit te breiden naar verschillende talen. |
| Entiteitsrollen | Rollen zijn niet meer nodig. | Entiteitsrollen worden overgedragen als entiteiten. |
| Instellingen voor: interpunctie normaliseren, diakritische tekens normaliseren, woordvorm normaliseren, alle trainingsgegevens gebruiken | Instellingen zijn niet meer nodig. | Instellingen wordt niet overgedragen. |
| Functies voor patronen en woordgroepenlijst | Functies voor patronen en frasenlijsten zijn niet meer nodig. | Patronen en frasenlijstfuncties worden niet overgedragen. |
| Entiteitsfuncties | Entiteitsonderdelen | Een lijst of vooraf gemaakte entiteiten die als functies aan een entiteit worden toegevoegd, worden overgebracht als toegevoegde onderdelen aan die entiteit. Entiteitsfuncties worden niet overgedragen voor intenties. |
| Intenties en uitingen | Intenties en uitingen | Alle intenties en uitingen worden overgedragen. Uitingen worden gelabeld met hun overgedragen entiteiten. |
| Toepassings-GUID's | Projectnamen | Er wordt een project gemaakt voor elke migratietoepassing met de naam van de toepassing. Alle speciale tekens in de toepassingsnamen worden verwijderd in CLU. |
| Versiebeheer | Telkens wanneer u traint, wordt er een model gemaakt en fungeert dit als een versie van uw project. | Er wordt een project gemaakt voor de geselecteerde toepassingsversie. |
| Evaluatie met behulp van batchtests | Evaluatie met behulp van testsets | Het toevoegen van uw testgegevensset is vereist. |
| Op rollen gebaseerd toegangsbeheer (RBAC) voor LUIS-resources | Op rollen gebaseerd toegangsbeheer (RBAC) beschikbaar voor taalbronnen | Taalresource RBAC moet na de migratie handmatig worden toegevoegd. |
| Eén trainingsmodus | Standaard- en geavanceerde trainingsmodi | Training is vereist na de migratie van de toepassing. |
| Twee publicatiesites en versiepublicaties | Tien implementatiesites met aangepaste naamgeving | Implementatie is vereist na de migratie en training van de toepassing. |
| LUIS-creatie-API's en SDK-ondersteuning in .NET, Python, Java en Node.js | CLU Authoring REST API's. | Zie het quickstart-artikel voor meer informatie over de CLU-creatie-API's. Herstructureren is nodig voor het gebruik van de CLU-creatie-API's. |
| LUIS Runtime-API's en SDK-ondersteuning in .NET, Python, Java en Node.js | CLU Runtime-API's. CLU Runtime SDK-ondersteuning voor .NET en Python. | Zie hoe u de API aanroept voor meer informatie. Herstructureren is nodig voor het gebruik van het CLU-runtime-API-antwoord. |
Uw LUIS-toepassingen migreren
Gebruik de volgende stappen om uw LUIS-toepassing te migreren met behulp van de LUIS-portal of REST API.
Uw LUIS-toepassingen migreren met behulp van de LUIS-portal
Volg deze stappen om te beginnen met de migratie met behulp van de LUIS-portal:
Nadat u zich hebt aangemeld bij de LUIS-portal, klikt u boven aan het scherm op de knop om de migratiewizard te starten. De migratie kopieert alleen de geselecteerde LUIS-toepassingen naar CLU.
Het tabblad Overzicht van migratie biedt een korte uitleg van het begrip van gesprekstaal en de voordelen ervan. Druk op Volgende om door te gaan.
Bepaal de taalresource waarnaar u uw LUIS-toepassing wilt migreren. Als u uw taalresource al hebt gemaakt, selecteert u uw Azure-abonnement gevolgd door uw taalresource en selecteert u vervolgens Volgende. Als u geen taalresource hebt, klikt u op de koppeling om een nieuwe taalresource te maken. Selecteer daarna de resource en selecteer Volgende.
Selecteer al uw LUIS-toepassingen die u wilt migreren en geef elk van hun versies op. Selecteer Volgende. Nadat u uw toepassing en versie hebt geselecteerd, wordt u gevraagd om een bericht waarin u wordt geïnformeerd over functies die niet worden overgedragen vanuit uw LUIS-toepassing.
Notitie
Speciale tekens worden niet ondersteund door het begrip van gesprekstalen. Alle speciale tekens in de geselecteerde LUIS-toepassingsnamen worden verwijderd in uw nieuwe gemigreerde toepassingen.
Controleer de selecties van uw taalresource en LUIS-toepassingen. Selecteer Voltooien om uw toepassingen te migreren.
Met een pop-upvenster kunt u de migratiestatus van uw toepassingen bijhouden. Toepassingen die niet zijn gestart met migreren, hebben de status Niet gestart. Toepassingen die zijn gemigreerd, hebben de status Wordt uitgevoerd en zodra ze klaar zijn met het migreren van hun status, worden geslaagd. Een mislukte toepassing betekent dat u het migratieproces moet herhalen. Zodra de migratie voor alle toepassingen is voltooid, selecteert u Gereed.
Nadat uw toepassingen zijn gemigreerd, kunt u de volgende stappen uitvoeren:
Veelgestelde vragen
Welke LUIS JSON-versie wordt ondersteund door CLU?
CLU ondersteunt het JSON-model versie 7.0.0. Als de JSON-indeling ouder is, moet deze eerst worden geïmporteerd in LUIS en vervolgens geëxporteerd vanuit LUIS met de meest recente versie.
Hoe verschillen entiteiten in CLU?
In CLU kan één entiteit meerdere entiteitsonderdelen hebben. Dit zijn verschillende methoden voor extractie. Deze onderdelen worden vervolgens gecombineerd met behulp van regels die u kunt definiëren. De beschikbare onderdelen zijn:
- Geleerd: Equivalent aan ML-entiteiten in LUIS worden labels gebruikt om een machine learning-model te trainen om een entiteit te voorspellen op basis van de inhoud en context van de opgegeven labels.
- Lijst: Net als lijstentiteiten in LUIS komen lijstonderdelen exact overeen met een set synoniemen en worden deze weer toegewezen aan een genormaliseerde waarde, een lijstsleutel genoemd.
- Vooraf samengestelde onderdelen: met vooraf gedefinieerde onderdelen kunt u een entiteit definiëren met de vooraf gemaakte extractors voor algemene typen die beschikbaar zijn in LUIS en CLU.
- Regex: Regex-onderdelen gebruiken reguliere expressies om aangepaste gedefinieerde patronen vast te leggen, precies zoals regex-entiteiten in LUIS.
Entiteiten in LUIS worden overgedragen als entiteiten van dezelfde naam in CLU met de equivalente onderdelen die worden overgedragen.
Na de migratie worden uw gestructureerde bladknooppunten en subentiteiten op het laagste niveau overgebracht naar het nieuwe CLU-model, terwijl alle bovenliggende entiteiten en entiteiten op een hoger niveau worden genegeerd. De naam van de entiteit is de naam van de entiteit op het laagste niveau die is samengevoegd met de bovenliggende entiteit.
Voorbeeld:
LUIS-entiteit:
- Pizzaorder
- Topping
- Tekengrootte
Gemigreerde LUIS-entiteit in CLU:
- Pizzabestelling.Topping
- Pizzaorder.Size
U kunt ook geen twee verschillende entiteiten in CLU labelen voor dezelfde reeks tekens. Geleerde onderdelen in CLU sluiten elkaar wederzijds uit en bieden geen overlappende voorspellingen voor geleerde onderdelen. Wanneer u uw LUIS-toepassing migreert, blijven entiteitslabels die overlappen het langste label behouden en genegeerd.
Zie Entiteitsonderdelen voor meer informatie over entiteitsonderdelen.
Hoe worden entiteitsrollen overgebracht naar CLU?
Uw rollen worden overgedragen als afzonderlijke entiteiten, samen met hun gelabelde uitingen. Het entiteitstype van elke rol bepaalt welk entiteitsonderdeel wordt ingevuld. Een lijstentiteitsrol wordt bijvoorbeeld overgedragen als een entiteit met dezelfde naam als de rol, met een gevuld lijstonderdeel.
Hoe worden entiteitsfuncties overgebracht in CLU?
Entiteiten die worden gebruikt als functies voor intenties, worden niet overgedragen. Entiteiten die worden gebruikt als functies voor andere entiteiten, vullen het relevante onderdeel van de entiteit in. Als bijvoorbeeld een lijstentiteit met de naam SizeList als functie is gebruikt voor een machine learning-entiteit met de naam Grootte, wordt de entiteit Grootte overgebracht naar CLU met de lijstwaarden van SizeList toegevoegd aan het lijstonderdeel. Hetzelfde wordt toegepast op vooraf gedefinieerde en regex-entiteiten.
Hoe verschillen betrouwbaarheidsscores voor entiteiten in CLU?
Elke geëxtraheerde entiteit heeft een betrouwbaarheidsscore van 100% en daarom mogen vertrouwensscores van entiteiten niet worden gebruikt om beslissingen te nemen tussen entiteiten.
Op welke manier is Conversational Language Understanding meertalig?
Projecten voor het begrijpen van gesprekstaal accepteren utterances in verschillende talen. Bovendien kunt u uw model trainen in één taal en dit uitbreiden om te voorspellen in andere talen.
Voorbeeld:
Trainingsuiting (Engels): Hoe gaat het?
Gelabelde intentie: Begroeting
Runtime-utterance (Frans): Opmerking ça va?
Voorspelde intentie: Begroeting
Hoe is de nauwkeurigheid van CLU beter dan LUIS?
CLU maakt gebruik van geavanceerde modellen om machine learning-prestaties van verschillende modellen van intentieclassificatie en entiteitextractie te verbeteren.
Deze modellen zijn niet gevoelig voor kleine variaties, zodat de volgende instellingen niet meer nodig zijn: Interpunctie normaliseren, diakritische tekens normaliseren, woordvorm normaliseren en alle trainingsgegevens gebruiken.
Bovendien bieden de nieuwe modellen geen ondersteuning voor woordgroepenlijstfuncties, omdat ze geen aanvullende informatie van de gebruiker meer nodig hebben om semantisch vergelijkbare woorden te verstrekken voor een betere nauwkeurigheid. Patronen werden ook gebruikt om verbeterde intentieclassificatie te bieden met behulp van op regels gebaseerde vergelijkingstechnieken die niet nodig zijn in het nieuwe modelparadigma. In de onderstaande vraag wordt dit in meer detail uitgelegd.
Wat moet ik doen als de functies die ik in LUIS gebruik niet meer aanwezig zijn?
Er zijn verschillende functies aanwezig in LUIS die niet meer beschikbaar zijn in CLU. Dit omvat de mogelijkheid om functie-engineering uit te voeren, patronen en pattern.any-entiteiten en gestructureerde entiteiten te hebben. Als u afhankelijk bent van deze functies in LUIS, gebruikt u de volgende richtlijnen:
Patronen: Patronen zijn toegevoegd in LUIS om de intentieclassificatie te ondersteunen door reguliere expressiesjabloonuitingen te definiëren. Dit omvat de mogelijkheid om alleen intenties voor patroon te definiëren (zonder uitingsvoorbeelden). CLU kan generaliseren door gebruik te maken van de geavanceerde modellen. U kunt enkele utterances opgeven die overeenkomen met een specifiek patroon voor de intentie in CLU, en de verschillende patronen worden waarschijnlijk geclassificeerd als de belangrijkste intentie zonder de noodzaak van de patroonsjabloonuiting. Dit vereenvoudigt de vereiste om deze patronen te formuleren, die beperkt was in LUIS, en biedt een betere intentieclassificatie-ervaring.
Functies voor woordgroepenlijst: de mogelijkheid om functies te koppelen, is voornamelijk opgetreden om de classificatie van intenties te ondersteunen door de belangrijkste elementen/functies te markeren die moeten worden gebruikt. Dit is niet langer vereist omdat de diepe modellen die in CLU worden gebruikt, al de mogelijkheid hebben om de elementen te identificeren die inherent zijn aan de taal. Het verwijderen van deze functies heeft op zijn beurt geen invloed op de classificatiemogelijkheden van het model.
Gestructureerde entiteiten: de mogelijkheid om gestructureerde entiteiten te definiëren, was voornamelijk om parseren op meerdere niveaus van utterances mogelijk te maken. Met de verschillende mogelijkheden van de subentiteiten moest LUIS alle verschillende combinaties van entiteiten definiëren en als voorbeelden aan het model presenteren. In CLU worden deze gestructureerde entiteiten niet meer ondersteund, omdat overlappende geleerde onderdelen niet worden ondersteund. Er zijn enkele mogelijke benaderingen voor het verwerken van deze gestructureerde extracties:
- Niet-dubbelzinnige extracties: In de meeste gevallen is de detectie van de leaf-entiteiten voldoende om inzicht te hebben in de vereiste items binnen een volledige periode. Gestructureerde entiteit zoals Trip die een bron en bestemming volledig omvat (Londen naar New York of Home to work) kan bijvoorbeeld worden geïdentificeerd met de afzonderlijke spanten die zijn voorspeld voor de bron en bestemming. Hun aanwezigheid als afzonderlijke voorspellingen zou u informeren over de entiteit Trip .
- Dubbelzinnige extracties: Wanneer de grenzen van verschillende subentiteiten niet erg duidelijk zijn. Ter illustratie, neem het voorbeeld "Ik wil een pepperoni pizza en een extra kaas vegetarische pizza bestellen". Hoewel de verschillende pizzatypen en de topping-aanpassingen kunnen worden geëxtraheerd, zou het geëxtraheerd zonder context een mate van dubbelzinnigheid hebben van waar de extra kaas wordt toegevoegd. In dit geval is de omvang van het bereik gebaseerd op context en moet ML dit bepalen. Voor dubbelzinnige extracties kunt u een van de volgende methoden gebruiken:
- Subentiteiten combineren in verschillende entiteitsonderdelen binnen dezelfde entiteit.
Voorbeeld:
LUIS-implementatie:
- Pizzaorder (entiteit)
- Grootte (subentiteit)
- Hoeveelheid (subentiteit)
CLU-implementatie:
- Pizzaorder (entiteit)
- Grootte (lijstentiteitsonderdeel: klein, gemiddeld, groot)
- Hoeveelheid (vooraf gedefinieerd entiteitsonderdeel: getal)
In CLU zou u het hele bereik voor PizzaOrder inclusief de grootte en hoeveelheid labelen, waarmee de pizzaorder wordt geretourneerd met een lijstsleutel voor grootte en een getalwaarde voor hoeveelheid in hetzelfde entiteitsobject.
- Voor complexere problemen waarbij entiteiten verschillende diepteniveaus bevatten, kunt u een project maken voor elk niveau van diepte in de entiteitsstructuur. Dit biedt u de mogelijkheid om het volgende te doen:
- Geef de utterance door aan elk project.
- Combineer de analyses van elk project in de fase waarin CLU wordt uitgevoerd.
Bekijk de pizzavoorbeeldprojecten die beschikbaar zijn op GitHub voor een gedetailleerd voorbeeld van dit concept.
Hoe kan ik versies beheren in CLU?
CLU slaat de gegevensassets op die worden gebruikt om uw model te trainen. U kunt de assets van een model exporteren of ze op elk gewenst moment weer in het project laden. Modellen fungeren dus als verschillende versies van uw project.
U kunt uw CLU-projecten exporteren met behulp van Language Studio of programmatisch en verschillende versies van de assets lokaal opslaan.
Waarom verschilt CLU-classificatie van LUIS? Hoe werkt Geen-classificatie?
CLU biedt een andere benadering voor het trainen van modellen met behulp van meerdere classificaties in plaats van binaire classificatie. Als gevolg hiervan is de interpretatie van scores anders en verschilt ook tussen trainingsopties. Hoewel u waarschijnlijk betere resultaten bereikt, moet u het verschil in scores observeren en een nieuwe drempelwaarde bepalen voor het accepteren van intentievoorspellingen. U kunt eenvoudig een drempelwaarde voor de betrouwbaarheidsscore toevoegen voor de intentie Geen in uw projectinstellingen. Hiermee wordt Geen geretourneerd als de belangrijkste intentie als de hoogste intentie de opgegeven drempelwaarde voor de betrouwbaarheidsscore niet overschrijdt.
Heb ik meer gegevens nodig voor CLU-modellen dan LUIS?
De nieuwe CLU-modellen hebben een beter semantisch begrip van taal dan in LUIS, en helpen op hun beurt modellen generaliseren met een aanzienlijke vermindering van gegevens. Hoewel u niet de hoeveelheid gegevens die u hebt wilt verminderen, moet u betere prestaties en tolerantie verwachten voor variaties en synoniemen in CLU in vergelijking met LUIS.
Als ik mijn LUIS-apps niet migreer, worden ze verwijderd?
Uw bestaande LUIS-toepassingen zijn beschikbaar tot 1 oktober 2025. Na die tijd kunt u deze toepassingen niet meer gebruiken, werken de service-eindpunten niet meer en worden de toepassingen definitief verwijderd.
Zijn. LU-bestanden die worden ondersteund in CLU?
Alleen JSON-indeling wordt ondersteund door CLU. U kunt uw . LU-bestanden naar LUIS en exporteren in JSON-indeling, of u kunt de bovenstaande migratiestappen voor uw toepassing volgen.
Wat zijn de servicelimieten van CLU?
Zie het artikel over servicelimieten voor meer informatie.
Moet ik mijn code herstructureren als ik mijn toepassingen migreer van LUIS naar CLU?
De API-objecten van CLU-toepassingen verschillen van LUIS en daarom is codeherstructurering nodig.
Als u de LUIS-programmatische en runtime-API's gebruikt, kunt u deze vervangen door hun equivalente API's.
CLU-creatie-API's: in plaats van de specifieke CRUD-API's van LUIS voor afzonderlijke acties, zoals utterance toevoegen, entiteit verwijderen en intenties wijzigen, biedt CLU een import-API die de volledige inhoud van een project vervangt met dezelfde naam. Als uw service programmatische LUIS-API's heeft gebruikt om een platform voor andere klanten te bieden, moet u rekening houden met dit nieuwe ontwerpparadigma. Alle andere API's, zoals: projecten weergeven, trainen, implementeren en verwijderen zijn beschikbaar. API's voor acties zoals importeren en implementeren zijn asynchrone bewerkingen in plaats van synchroon zoals ze in LUIS waren.
CLU-runtime-API's: de nieuwe API-aanvraag en -respons bevat veel van dezelfde parameters, zoals: query, voorspelling, topintentie, intenties, entiteiten en hun waarden. Het CLU-antwoordobject biedt een eenvoudigere benadering. Entiteitsvoorspellingen worden opgegeven zoals deze zich in de tekst van de uiting bevinden en eventuele aanvullende informatie, zoals resolutie- of lijstsleutels, worden geleverd in extra parameters die worden aangeroepen extraInformation en resolution.
U kunt de .NET - of Python CLU-runtime-SDK gebruiken om de LUIS Runtime SDK te vervangen. Er is momenteel geen ontwerp-SDK beschikbaar voor CLU.
Hoe verschillen de trainingstijden in CLU? Hoe verschilt standaardtraining van geavanceerde training?
CLU biedt standaardtraining, die in het Engels traint en leert en vergelijkbaar is met de trainingstijd van LUIS. Het biedt ook geavanceerde training, die een aanzienlijk langere duur duurt omdat de training wordt uitgebreid naar alle andere ondersteunde talen. De train-API blijft een asynchroon proces en u moet de wijziging evalueren in het DevOps-proces dat u voor uw oplossing gebruikt.
Hoe is de ervaring in CLU veranderd ten opzichte van LUIS? Hoe verschilt de ontwikkelingslevenscyclus?
In LUIS zou u Build-Train-Test-Publish uitvoeren, terwijl u in CLU build-Train-Evaluate-Deploy-Test.
- Build: In CLU kunt u uw intenties, entiteiten en uitingen definiëren voordat u traint. CLU biedt u bovendien de mogelijkheid om testgegevens op te geven terwijl u uw toepassing bouwt die moet worden gebruikt voor modelevaluatie. Evaluatie evalueert hoe goed uw model presteert op uw testgegevens en biedt u metrische gegevens voor precisie, relevante overeenkomsten en F1.
- Trainen: U maakt een model met een naam telkens wanneer u traint. U kunt een al getraind model overschrijven. U kunt standaardtraining of geavanceerde training opgeven en bepalen of u uw testgegevens wilt gebruiken voor evaluatie, of een percentage van uw trainingsgegevens dat moet worden weggelaten uit de training en wordt gebruikt als testgegevens. Nadat de training is voltooid, kunt u evalueren hoe goed uw model aan de buitenkant presteert.
- Implementeren: Nadat de training is voltooid en u een model met een naam hebt, kan het worden geïmplementeerd voor voorspellingen. Een implementatie heeft ook een naam en heeft een toegewezen model. U kunt meerdere implementaties voor hetzelfde model hebben. Een implementatie kan worden overschreven met een ander model of u kunt modellen wisselen met andere implementaties in het project.
- Test: Zodra de implementatie is voltooid, kunt u deze gebruiken voor voorspellingen via het implementatie-eindpunt. U kunt deze ook testen in de studio op de pagina Implementatie testen.
Dit proces is in tegenstelling tot LUIS, waarbij de toepassings-id aan alles is gekoppeld en u een versie van de toepassing hebt geïmplementeerd in de faserings- of productiesites.
Dit heeft invloed op de DevOps-processen die u gebruikt.
Heeft CLU ondersteuning voor containers?
Nee, u kunt CLU niet exporteren naar containers.
Hoe worden mijn LUIS-toepassingen na de migratie in CLU genoemd?
Alle speciale tekens in de naam van de LUIS-toepassing worden verwijderd. Als de gewiste naamlengte langer is dan 50 tekens, worden de extra tekens verwijderd. Als de naam na het verwijderen van speciale tekens leeg is (bijvoorbeeld als de naam van de LUIS-toepassing is @@), wordt de nieuwe naam naam naamloos. Als er al een gesprekstaalkennisproject met dezelfde naam bestaat, wordt de gemigreerde LUIS-toepassing toegevoegd _1 voor het eerste duplicaat en wordt deze met 1 verhoogd voor elk extra duplicaat. Als de lengte van de nieuwe naam 50 tekens is en de naam moet worden gewijzigd, worden de laatste 1 of 2 tekens verwijderd om het aantal te kunnen samenvoegen en nog steeds binnen de limiet van 50 tekens te blijven.
Migratie van LUIS Q&A
Als u vragen hebt die niet in dit artikel zijn beantwoord, kunt u uw vragen achterlaten in onze Microsoft Q&A-thread.