Terminy i definicje używane w zrozumieniu języka konwersacji
Skorzystaj z tego artykułu, aby dowiedzieć się więcej o niektórych definicjach i terminach, które mogą wystąpić podczas korzystania z interpretacji języka konwersacji.
Jednostka
Jednostki to wyrazy w wypowiedziach opisujące informacje używane do realizacji lub identyfikowania intencji. Jeśli jednostka jest złożona i chcesz, aby model identyfikował określone części, możesz podzielić model na części podrzędne. Na przykład możesz chcieć, aby model przewidział adres, ale także podjednostki ulic, miasta, stanu i kodu pocztowego.
Wynik F1
Wynik F1 jest funkcją precyzji i kompletności. Jest to potrzebne, gdy szukasz równowagi między precyzją a kompletnością.
Zamiar
Intencja reprezentuje zadanie lub akcję, którą użytkownik chce wykonać. Jest to cel lub cel wyrażony w danych wejściowych użytkownika, takich jak rezerwacja lotu lub płacenie rachunku.
Jednostka listy
Jednostka listy reprezentuje stały, zamknięty zestaw powiązanych wyrazów wraz z ich synonimami. Jednostki listy są dokładnymi dopasowaniami, w przeciwieństwie do maszynowych jednostek poznanych.
Jednostka będzie przewidywana, jeśli na liście znajduje się wyraz w jednostce listy. Jeśli na przykład masz jednostkę listy o nazwie "size" (rozmiar), a na liście znajdują się wyrazy "small, medium, large" (mały, średni, duży), jednostka rozmiaru będzie przewidywana dla wszystkich wypowiedzi, w których słowa "small", "medium" lub "large" są używane niezależnie od kontekstu.
Model
Model to obiekt, który jest szkolony w celu wykonania określonego zadania, w tym przypadku zadania zrozumienia konwersacji. Modele są trenowane przez dostarczanie danych oznaczonych etykietami do nauki, dzięki czemu mogą później służyć do zrozumienia wypowiedzi.
- Ocena modelu to proces wykonywany bezpośrednio po trenowaniu, aby wiedzieć, jak dobrze działa model.
- Wdrożenie to proces przypisywania modelu do wdrożenia w celu udostępnienia go do użycia za pośrednictwem interfejsu API przewidywania.
Nadmierne dopasowanie
Nadmierne dopasowanie ma miejsce, gdy model zostanie naprawiony na określonych przykładach i nie jest w stanie dobrze uogólnić.
Dokładność
Mierzy dokładność/dokładność modelu. Jest to stosunek między poprawnie zidentyfikowanych alarmów (prawdziwie dodatnich) i wszystkich zidentyfikowanych alarmów. Metryka precyzji pokazuje, ile klas przewidywanych jest poprawnie oznaczonych etykietami.
Project
Projekt to obszar roboczy umożliwiający tworzenie niestandardowych modeli uczenia maszynowego na podstawie Twoich danych. Dostęp do projektu można uzyskać tylko do Ciebie i innych osób, które mają dostęp do używanego zasobu platformy Azure.
Recall
Mierzy zdolność modelu do przewidywania rzeczywistych dodatnich klas. Jest to stosunek między przewidywanymi wartościami prawdziwie dodatnimi a tym, co zostało rzeczywiście oznaczone. Metryka kompletności pokazuje, ile z przewidywanych klas jest poprawnych.
Wyrażenie regularne
Jednostka wyrażenia regularnego reprezentuje wyrażenie regularne. Jednostki wyrażeń regularnych są dokładnymi dopasowaniami.
Schemat
Schemat jest definiowany jako kombinacja intencji i jednostek w projekcie. Projekt schematu jest kluczową częścią sukcesu projektu. Podczas tworzenia schematu należy zastanowić się, które intencje i jednostki powinny zostać uwzględnione w projekcie
Dane szkoleniowe
Dane szkoleniowe to zestaw informacji potrzebnych do wytrenowania modelu.
Wypowiedź
Wypowiedź to dane wejściowe użytkownika, które są krótkim tekstem reprezentatywnym dla zdania w konwersacji. Jest to fraza języka naturalnego, taka jak "book 2 bilety do Seattle w najbliższy wtorek". Przykładowe wypowiedzi są dodawane do trenowania modelu, a model przewiduje nową wypowiedź w czasie wykonywania