Glossário de noções básicas de linguagem de conceitos e vocabulário comunsLanguage understanding glossary of common vocabulary and concepts

O Glossário de Reconhecimento vocal (LUIS) explica os termos que você pode encontrar enquanto trabalha com o serviço LUIS.The Language Understanding (LUIS) glossary explains terms that you might encounter as you work with the LUIS service.

Versão ativaActive version

A versão ativa é a versão do seu aplicativo que é atualizada quando você faz alterações no modelo usando o portal do Luis.The active version is the version of your app that is updated when you make changes to the model using the LUIS portal. No portal do LUIS, se você quiser fazer alterações em uma versão que não seja a versão ativa, primeiro você precisará definir essa versão como ativa.In the LUIS portal, if you want to make changes to a version that is not the active version, you need to first set that version as active.

Aprendizado ativoActive learning

O aprendizado ativo é uma técnica de aprendizado de máquina em que o modelo aprendido por máquina é usado para identificar novos exemplos informativos para rotular.Active learning is a technique of machine learning in which the machine learned model is used to identify informative new examples to label. No LUIS, o aprendizado ativo refere-se à adição de declarações do tráfego do ponto de extremidade cujas previsões atuais não estão claras para melhorar seu modelo.In LUIS, active learning refers to adding utterances from the endpoint traffic whose current predictions are unclear to improve your model. Clique em "examinar ponto de extremidade declarações" para exibir declarações para rotular.Click on "review endpoint utterances", to view utterances to label.

Consulte também:See also:

Aplicativo (aplicativo)Application (App)

No LUIS, seu aplicativo ou aplicativo, é uma coleção de modelos aprendidos por máquina, criados no mesmo conjunto de dados, que funciona em conjunto para prever intenções e entidades para um cenário específico.In LUIS, your application, or app, is a collection of machine learned models, built on the same data set, that works together to predict intents and entities for a particular scenario. Cada aplicativo tem um ponto de extremidade de previsão separado.Each application has a separate prediction endpoint.

Se estiver criando um bot de RH, você poderá ter um conjunto de tentativas, como "tempo de licença de agenda", "consultar os benefícios" e "atualizar informações pessoais" e entidades para cada uma dessas intenções que você agrupa em um único aplicativo.If you are building an HR bot, you might have a set of intents, such as "Schedule leave time", "inquire about benefits" and "update personal information" and entities for each one of those intents that you group into a single application.

CriaçãoAuthoring

A criação é a capacidade de criar, gerenciar e implantar um aplicativo LUIS, usando o portal do LUIS ou as APIs de criação.Authoring is the ability to create, manage and deploy a LUIS app, either using the LUIS portal or the authoring APIs.

Chave de criaçãoAuthoring Key

A chave de criação é usada para criar o aplicativo.The authoring key is used to author the app. Não usada para consultas de ponto de extremidade no nível de produção.Not used for production-level endpoint queries. Para obter mais informações, confira Limites da chave.For more information, see Key limits.

Recurso de criaçãoAuthoring Resource

O recurso de criação do Luis é um item gerenciável que está disponível por meio do Azure.Your LUIS authoring resource is a manageable item that is available through Azure. O recurso é seu acesso às capacidades de criação, treinamento e publicação associadas do serviço do Azure.The resource is your access to the associated authoring, training, and publishing abilities of the Azure service. O recurso inclui autenticação, autorização e informações de segurança de que você precisa para acessar o serviço do Azure associado.The resource includes authentication, authorization, and security information you need to access the associated Azure service.

O recurso de criação tem um "tipo" do Azure LUIS-Authoring .The authoring resource has an Azure "kind" of LUIS-Authoring.

Teste de loteBatch test

Os testes em lote são a capacidade de validar os modelos de um aplicativo LUIS atual com um conjunto de teste consistente e conhecido de declarações de usuário.Batch testing is the ability to validate a current LUIS app's models with a consistent and known test set of user utterances. O teste em lotes é definido em um arquivo formatado em JSON.The batch test is defined in a JSON formatted file.

Consulte também:See also:

Medida FF-measure

No teste de lote, uma medida da precisão do teste.In batch testing, a measure of the test's accuracy.

Falso negativo (FN)False negative (FN)

No teste de lote, os pontos de dados representam enunciados em que o aplicativo previu incorretamente a ausência de entidade/intenção de destino.In batch testing, the data points represent utterances in which your app incorrectly predicted the absence of the target intent/entity.

Falso positivo (FP)False positive (FP)

No teste de lote, os pontos de dados representam enunciados em que o aplicativo previu incorretamente a existência de entidade/intenção de destino.In batch testing, the data points represent utterances in which your app incorrectly predicted the existence of the target intent/entity.

PrecisãoPrecision

No teste de lote, a precisão (também chamada de valor preditivo positivo) é a fração de enunciados relevantes entre os enunciados recuperados.In batch testing, precision (also called positive predictive value) is the fraction of relevant utterances among the retrieved utterances.

Um exemplo para um teste de lote de animais é o número de ovelha que foram previstas divididos pelo número total de animais (ovelha e não ovelha semelhantes).An example for an animal batch test is the number of sheep that were predicted divided by the total number of animals (sheep and non-sheep alike).

Chamar de voltaRecall

No teste de lote, recall (também conhecido como sensibilidade) é a capacidade de generalização do LUIS.In batch testing, recall (also known as sensitivity), is the ability for LUIS to generalize.

Um exemplo de teste de lote de animais é o número de ovelha que foram previstas divididos pelo número total de ovelha disponíveis.An example for an animal batch test is the number of sheep that were predicted divided by the total number of sheep available.

Negativo verdadeiro (TN)True negative (TN)

Um verdadeiro negativo é quando seu aplicativo não prevê corretamente nenhuma correspondência.A true negative is when your app correctly predicts no match. No teste em lotes, um verdadeiro negativo ocorre quando seu aplicativo prevê uma intenção ou entidade para um exemplo que não tenha sido rotulado com essa intenção ou entidade.In batch testing, a true negative occurs when your app does predict an intent or entity for an example that has not been labeled with that intent or entity.

Positivo verdadeiro (TP)True positive (TP)

Verdadeiro positivo (TP) um verdadeiro positivo é quando seu aplicativo prevê uma correspondência corretamente.True positive (TP) A true positive is when your app correctly predicts a match. No teste em lotes, um verdadeiro positivo ocorre quando seu aplicativo prevê uma intenção ou entidade para obter um exemplo que tenha sido rotulado com essa intenção ou entidade.In batch testing, a true positive occurs when your app predicts an intent or entity for an example that has been labeled with that intent or entity.

ClassificadorClassifier

Um classificador é um modelo de computador aprendido que prevê a categoria ou a classe à qual uma entrada se encaixa.A classifier is a machine learned model that predicts what category or class an input fits into.

Uma intenção é um exemplo de classificador.An intent is an example of a classifier.

ColaboradorCollaborator

Um colaborador é conceitualmente a mesma coisa que um contribuinte.A collaborator is conceptually the same thing as a contributor. Um colaborador recebe acesso quando um proprietário adiciona o endereço de email do colaborador a um aplicativo que não é controlado com o controle de acesso baseado em função do Azure (RBAC do Azure).A collaborator is granted access when an owner adds the collaborator's email address to an app that isn't controlled with Azure role-based access control (Azure RBAC). Se você ainda estiver usando colaboradores, deverá migrar sua conta do LUIS e usar os recursos de criação do LUIS para gerenciar os colaboradores com o RBAC.If you are still using collaborators, you should migrate your LUIS account, and use LUIS authoring resources to manage contributors with RBAC.

ColaboradorContributor

Um colaborador não é o proprietário do aplicativo, mas tem as mesmas permissões para adicionar, editar e excluir as intenções, entidades, declarações.A contributor is not the owner of the app, but has the same permissions to add, edit, and delete the intents, entities, utterances. Um colaborador fornece o Azure RBAC (controle de acesso baseado em função) para um aplicativo LUIS.A contributor provides Azure role-based access control (Azure RBAC) to a LUIS app.

Consulte também:See also:

  • Como adicionar colaboradoresHow-to add contributors

DescritorDescriptor

Um descritor é o termo usado anteriormente para um recursode aprendizado de máquina.A descriptor is the term formerly used for a machine learning feature.

DomínioDomain

No contexto do LUIS, um domínio é uma área de conhecimento.In the LUIS context, a domain is an area of knowledge. Seu domínio é específico do seu cenário.Your domain is specific to your scenario. Domínios diferentes usam uma terminologia e linguagem específica que têm significado no contexto do domínio.Different domains use specific language and terminology that have meaning in the context of the domain. Por exemplo, se você estiver criando um aplicativo para reproduzir música, seu aplicativo teria termos e idioma específicos para música – palavras como "música, faixa, álbum, letras do lado do b, artista".For example, if you are building an application to play music, your application would have terms and language specific to music – words like "song, track, album, lyrics, b-side, artist". Para obter exemplos de domínios, consulte domínios predefinidos.For examples of domains, see prebuilt domains.

Ponto de extremidadeEndpoint

Ponto de extremidade de criaçãoAuthoring endpoint

A URL do ponto de extremidade de criação do LUIS é onde você cria, treina e publica seu aplicativo.The LUIS authoring endpoint URL is where you author, train, and publish your app. A URL do ponto de extremidade contém a região ou o subdomínio personalizado do aplicativo publicado, bem como a ID do aplicativo.The endpoint URL contains the region or custom subdomain of the published app as well as the app ID.

Saiba mais sobre como criar seu aplicativo programaticamente da referência do desenvolvedorLearn more about authoring your app programmatically from the Developer reference

Ponto de extremidade de previsãoPrediction endpoint

A URL do ponto de extremidade de previsão LUIS é onde você envia consultas LUIS depois que o aplicativo Luis é criado e publicado.The LUIS prediction endpoint URL is where you submit LUIS queries after the LUIS app is authored and published. A URL do ponto de extremidade contém a região ou o subdomínio personalizado do aplicativo publicado, bem como a ID do aplicativo.The endpoint URL contains the region or custom subdomain of the published app as well as the app ID. Você pode encontrar o ponto de extremidade na página de recursos do Azure do seu aplicativo ou pode obter a URL do ponto de extremidade da API obter informações de aplicativo .You can find the endpoint on the Azure resources page of your app, or you can get the endpoint URL from the Get App Info API.

Seu acesso ao ponto de extremidade de previsão é autorizado com a chave de previsão LUIS.Your access to the prediction endpoint is authorized with the LUIS prediction key.

EntidadeEntity

As entidades são palavras em declarações que descrevem as informações usadas para atender ou identificar uma intenção.Entities are words in utterances that describe information used to fulfill or identify an intent. Se sua entidade for complexa e você quiser que seu modelo identifique partes específicas, você poderá dividir seu modelo em subentidades.If your entity is complex and you would like your model to identify specific parts, you can break your model into subentities. Por exemplo, você pode desejar que o modelo preveja um endereço, mas também as subentidades de Street, City, State e ZipCode.For example, you might want you model to predict an address, but also the subentities of street, city, state, and zipcode. As entidades também podem ser usadas como recursos para modelos.Entities can also be used as features to models. Sua resposta do aplicativo LUIS incluirá as intenções previstas e todas as entidades.Your response from the LUIS app will include both the predicted intents and all the entities.

Extrator de entidadeEntity extractor

Um extrator de entidades, às vezes conhecido apenas como um extrator, é o tipo de modelo aprendido por máquina que o LUIS usa para prever entidades.An entity extractor sometimes known only as an extractor is the type of machine learned model that LUIS uses to predict entities.

Esquema de entidadeEntity schema

O esquema de entidade é a estrutura que você define para entidades aprendidas com o computador com subentidades.The entity schema is the structure you define for machine learned entities with subentities. O ponto de extremidade de previsão retorna todas as entidades e subentidades extraídas definidas no esquema.The prediction endpoint returns all of the extracted entities and subentities defined in the schema.

Subentidade da entidadeEntity's subentity

Uma subentidade é uma entidade filho de uma entidade de aprendizado de máquina.A subentity is a child entity of a machine-learning entity.

Entidade de aprendizagem não Machine-LearningNon-machine-learning entity

Uma entidade que usa correspondência de texto para extrair dados:An entity that uses text matching to extract data:

  • Entidade de listaList entity
  • Entidade de expressão regularRegular expression entity

Entidade de listaList entity

Uma entidade de lista representa um conjunto fixo e fechado de palavras relacionadas junto com seus sinônimos.A list entity represents a fixed, closed set of related words along with their synonyms. As entidades de lista são correspondências exatas, diferentemente das entidades aprendidas por computador.List entities are exact matches, unlike machined learned entities.

A entidade será prevista se uma palavra na entidade de lista estiver incluída na lista.The entity will be predicted if a word in the list entity is included in the list. Por exemplo, se você tiver uma entidade de lista chamada "tamanho" e tiver as palavras "pequeno, médio, grande" na lista, a entidade de tamanho será prevista para todos os declarações em que as palavras "pequeno", "média" ou "grande" são usadas, independentemente do contexto.For example, if you have a list entity called "size" and you have the words "small, medium, large" in the list, then the size entity will be predicted for all utterances where the words "small", "medium", or "large" are used regardless of the context.

Expressão regularRegular expression

Uma entidade de expressão regular representa uma expressão regular.A regular expression entity represents a regular expression. As entidades de expressão regular são correspondências exatas, diferentemente das entidades aprendidas por computador.Regular expression entities are exact matches, unlike machined learned entities.

Entidade predefinidaPrebuilt entity

Consulte a entrada do modelo predefinido para entidade predefinidaSee Prebuilt model's entry for prebuilt entity

RecursosFeatures

No Machine Learning, um recurso é uma característica que ajuda o modelo a reconhecer um determinado conceito.In machine learning, a feature is a characteristic that helps the model recognize a particular concept. É uma dica que o LUIS pode usar, mas não uma regra rígida.It is a hint that LUIS can use, but not a hard rule.

Esse termo também é conhecido como um recurso de aprendizado de máquina.This term is also referred to as a machine-learning feature.

Essas dicas são usadas em conjunto com os rótulos para saber como prever novos dados.These hints are used in conjunction with the labels to learn how to predict new data. O LUIS dá suporte a ambas as listas de frases e ao uso de outros modelos como recursos.LUIS supports both phrase lists and using other models as features.

Recurso necessárioRequired feature

Um recurso necessário é uma maneira de restringir a saída de um modelo LUIS.A required feature is a way to constrain the output of a LUIS model. Quando um recurso de uma entidade é marcado como obrigatório, o recurso deve estar presente no exemplo para que a entidade seja prevista, independentemente do que o modelo aprendido pelo computador prevê.When a feature for an entity is marked as required, the feature must be present in the example for the entity to be predicted, regardless of what the machine learned model predicts.

Considere um exemplo em que você tem um recurso de número predefinido que você marcou como obrigatório na entidade quantidade para um bot de ordenação de menus.Consider an example where you have a prebuilt-number feature that you have marked as required on the quantity entity for a menu ordering bot. Quando o bot vê I want a bajillion large pizzas? , o bajillion não será previsto como uma quantidade, independentemente do contexto no qual ele aparece.When your bot sees I want a bajillion large pizzas?, bajillion will not be predicted as a quantity regardless of the context in which it appears. Bajillion não é um número válido e não será previsto pelo número da entidade predefinida.Bajillion is not a valid number and won’t be predicted by the number pre-built entity.

IntencionalIntent

Uma intenção representa uma tarefa ou ação que o usuário deseja executar.An intent represents a task or action the user wants to perform. É uma finalidade ou meta expressa na entrada de um usuário, como a reserva de um vôo ou o pagamento de uma conta.It is a purpose or goal expressed in a user's input, such as booking a flight, or paying a bill. No LUIS, um expressão como um todo é classificado como uma intenção, mas partes do expressão são extraídas como entidadesIn LUIS, an utterance as a whole is classified as an intent, but parts of the utterance are extracted as entities

Exemplos de rotulagemLabeling examples

Rotular, ou marcar, é o processo de associar um exemplo positivo ou negativo com um modelo.Labeling, or marking, is the process of associating a positive or negative example with a model.

Rotulagem para tentativasLabeling for intents

No LUIS, as intenções em um aplicativo são mutuamente exclusivas.In LUIS, intents within an app are mutually exclusive. Isso significa que quando você adiciona um expressão a uma intenção, ele é considerado um exemplo positivo para essa intenção e um exemplo negativo para todas as outras intenções.This means when you add an utterance to an intent, it is considered a positive example for that intent and a negative example for all other intents. Exemplos negativos não devem ser confundidos com a intenção "nenhum", que representa declarações que estão fora do escopo do aplicativo.Negative examples should not be confused with the "None" intent, which represents utterances that are outside the scope of the app.

Rotulagem para entidadesLabeling for entities

No LUIS, você rotula uma palavra ou frase no exemplo de uma intenção expressão com uma entidade como um exemplo positivo .In LUIS, you label a word or phrase in an intent's example utterance with an entity as a positive example. Rotular mostra a intenção que ele deve prever para esse expressão.Labeling shows the intent what it should predict for that utterance. Os declarações rotulados são usados para treinar a intenção.The labeled utterances are used to train the intent.

Aplicativo LUISLUIS app

Consulte a definição de aplicativo (aplicativo).See the definition for application (app).

ModeloModel

Um modelo (aprendido pelo computador) é uma função que faz uma previsão sobre os dados de entrada.A (machine learned) model is a function that makes a prediction on input data. Em LUIS, nos referimos aos classificadores de intenção e aos extratores de entidade genericamente como "modelos", e nos referimos a uma coleção de modelos treinados, publicados e consultados juntos como um "aplicativo".In LUIS, we refer to intent classifiers and entity extractors generically as "models", and we refer to a collection of models that are trained, published, and queried together as an "app".

Valor normalizadoNormalized value

Você adiciona valores às suas entidades de lista .You add values to your list entities. Cada um desses valores pode ter uma lista de um ou mais sinônimos.Each of those values can have a list of one or more synonyms. Somente o valor normalizado é retornado na resposta.Only the normalized value is returned in the response.

SobreajusteOverfitting

O sobreajuste acontece quando o modelo é concentradado nos exemplos específicos e não é capaz de generalizar bem.Overfitting happens when the model is fixated on the specific examples and is not able to generalize well.

ProprietárioOwner

Cada aplicativo tem um proprietário, que é a pessoa que criou o aplicativo.Each app has one owner who is the person that created the app. O proprietário gerencia permissões para o aplicativo no portal do Azure.The owner manages permissions to the application in the Azure portal.

Lista de frasesPhrase list

Uma lista de frases é um tipo específico de recurso de aprendizado de máquina que inclui um grupo de valores (palavras ou frases) que pertencem à mesma classe e deve ser tratado da mesma forma (por exemplo, nomes de cidades ou produtos).A phrase list is a specific type of machine learning feature that includes a group of values (words or phrases) that belong to the same class and must be treated similarly (for example, names of cities or products).

Modelo predefinidoPrebuilt model

Um modelo predefinido é uma intenção, entidade ou coleção de ambos, juntamente com exemplos rotulados.A prebuilt model is an intent, entity, or collection of both, along with labeled examples. Esses modelos predefinidos comuns podem ser adicionados ao seu aplicativo para reduzir o trabalho de desenvolvimento do modelo necessário para seu aplicativo.These common prebuilt models can be added to your app to reduce the model development work required for your app.

Domínio predefinidoPrebuilt domain

Um domínio predefinido é um aplicativo LUIS configurado para um domínio específico, como automação residencial (HomeAutomation) ou reservas de restaurante (RestaurantReservation).A prebuilt domain is a LUIS app configured for a specific domain such as home automation (HomeAutomation) or restaurant reservations (RestaurantReservation). As intenções, declarações e entidades são configuradas para esse domínio.The intents, utterances, and entities are configured for this domain.

Entidade predefinidaPrebuilt entity

Uma entidade predefinida é um LUIS de entidade que fornece tipos comuns de informações, como número, URL e email.A prebuilt entity is an entity LUIS provides for common types of information such as number, URL, and email. Eles são criados com base em dados públicos.These are created based on public data. Você pode optar por adicionar uma entidade predefinida como uma entidade autônoma ou como um recurso a uma entidadeYou can choose to add a prebuilt entity as a stand-alone entity, or as a feature to an entity

Intenção predefinidaPrebuilt intent

Uma intenção predefinida é uma intenção LUIS fornecer tipos comuns de informações e ter seu próprio exemplo rotulado declarações.A prebuilt intent is an intent LUIS provides for common types of information and come with their own labeled example utterances.

PrevisãoPrediction

Uma previsão é uma solicitação REST para o serviço de previsão de LUIS do Azure que recebe novos dados (usuário expressão) e aplica o aplicativo treinado e publicado a esses dados para determinar quais tentativas e entidades são encontradas.A prediction is a REST request to the Azure LUIS prediction service that takes in new data (user utterance), and applies the trained and published application to that data to determine what intents and entities are found.

Chave de previsãoPrediction key

A chave de previsão (anteriormente conhecida como chave de assinatura) é a chave associada ao serviço Luis que você criou no Azure que autoriza o uso do ponto de extremidade de previsão.The prediction key (previously known as the subscription key) is the key associated with the LUIS service you created in Azure that authorizes your usage of the prediction endpoint.

Essa chave não é a chave de criação.This key is not the authoring key. Se você tiver uma chave de ponto de extremidade de previsão, ela deverá ser usada para qualquer solicitação de ponto de extremidade em vez da chave de criação.If you have a prediction endpoint key, it should be used for any endpoint requests instead of the authoring key. Você pode ver sua chave de previsão atual dentro da URL do ponto de extremidade na parte inferior da página de recursos do Azure no site do LUIS.You can see your current prediction key inside the endpoint URL at the bottom of Azure resources page in LUIS website. É o valor do par nome/valor da chave de assinatura.It is the value of the subscription-key name/value pair.

Recurso de previsãoPrediction resource

O recurso de previsão do LUIS é um item gerenciável que está disponível por meio do Azure.Your LUIS prediction resource is a manageable item that is available through Azure. O recurso é seu acesso à previsão associada do serviço do Azure.The resource is your access to the associated prediction of the Azure service. O recurso inclui previsões.The resource includes predictions.

O recurso de previsão tem um "tipo" do Azure LUIS .The prediction resource has an Azure "kind" of LUIS.

Pontuação de previsãoPrediction score

A Pontuação é um número de 0 e 1 que é uma medida de quão confiante é a confiança do sistema de que uma determinada entrada expressão corresponde a uma determinada intenção.The score is a number from 0 and 1 that is a measure of how confident the system is that a particular input utterance matches a particular intent. Uma pontuação mais próxima de 1 significa que o sistema está muito confiante em relação à saída e uma pontuação mais próxima de 0 significa que o sistema tem certeza de que a entrada não corresponde a uma saída específica.A score closer to 1 means the system is very confident about its output and a score closer to 0 means the system is confident that the input does not match a particular output. As pontuações no meio significam que o sistema não tem certeza de como tomar a decisão.Scores in the middle mean the system is very unsure of how to make the decision.

Por exemplo, use um modelo que é usado para identificar se algum texto de cliente inclui uma ordem de alimentos.For example, take a model that is used to identify if some customer text includes a food order. Ele pode dar uma pontuação de 1 para "gostaria de pedir uma café" (o sistema tem certeza de que isso é uma ordem) e uma pontuação de 0 para "minha equipe venceu o jogo pela noite" (o sistema tem muito certeza de que isso não é um pedido).It might give a score of 1 for "I'd like to order one coffee" (the system is very confident that this is an order) and a score of 0 for "my team won the game last night" (the system is very confident that this is NOT an order). E ele pode ter uma pontuação de 0,5 por "Vamos ter um chá" (não tem certeza se isso é um pedido ou não).And it might have a score of 0.5 for "let's have some tea" (isn't sure if this is an order or not).

Chave programáticaProgrammatic key

Renomeada para chave de criação.Renamed to authoring key.

PublicarPublish

Publicação significa tornar uma versão Luis ativa disponível no ponto de extremidadede preparo ou de produção.Publishing means making a LUIS active version available on either the staging or production endpoint.

QuotaQuota

A cota LUIS é a limitação do nível de assinatura do Azure.LUIS quota is the limitation of the Azure subscription tier. A cota LUIS pode ser limitada por solicitações por segundo (HTTP Status 429) e solicitações totais em um mês (HTTP Status 403).The LUIS quota can be limited by both requests per second (HTTP Status 429) and total requests in a month (HTTP Status 403).

EsquemaSchema

Seu esquema inclui suas intenções e entidades junto com as subentidades.Your schema includes your intents and entities along with the subentities. O esquema é inicialmente planejado para, em seguida, iterado ao longo do tempo.The schema is initially planned for then iterated over time. O esquema não inclui configurações de aplicativo, recursos ou declarações de exemplo.The schema doesn't include app settings, features, or example utterances.

Análise de SentimentoSentiment Analysis

A Análise de sentimento fornece valores positivos ou negativos das declarações fornecidas pela Análise de Texto.Sentiment analysis provides positive or negative values of the utterances provided by Text Analytics.

Preparação da falaSpeech priming

A desobstrução de fala melhora o reconhecimento de palavras faladas e frases que são comumente usadas em seu cenário com os serviços de fala.Speech priming improves the recognition of spoken words and phrases that are commonly used in your scenario with Speech Services. Para aplicativos habilitados para estornar a fala, todos os exemplos de LUIS rotulados são usados para melhorar a precisão do reconhecimento de fala criando um modelo de fala personalizado para esse aplicativo específico.For speech priming enabled applications, all LUIS labeled examples are used to improve speech recognition accuracy by creating a customized speech model for this specific application. Por exemplo, em um jogo de xadrez, você deseja certificar-se de que quando o usuário disser "mover Knight", ele não será interpretado como "movimento noturno".For example, in a chess game you want to make sure that when the user says "Move knight", it isn’t interpreted as "Move night". O aplicativo LUIS deve incluir exemplos em que "cavalo" é rotulado como uma entidade.The LUIS app should include examples in which "knight" is labeled as an entity.

Chave de inícioStarter key

Uma chave gratuita a ser usada ao iniciar pela primeira vez usando LUIS.A free key to use when first starting out using LUIS.

SinônimosSynonyms

Em LUIS listar entidades, você pode criar um valor normalizado, que pode ter uma lista de sinônimos.In LUIS list entities, you can create a normalized value, which can each have a list of synonyms. Por exemplo, se você criar uma entidade de tamanho que tenha valores normalizados de pequeno, médio, grande e extra grande.For example, if you create a size entity that has normalized values of small, medium, large, and extra-large. Você pode criar sinônimos para cada valor como este:You could create synonyms for each value like this:

Valor de NomalizedNomalized value SinônimosSynonyms
PequenaSmall o pouco, 8 onçasthe little one, 8 ounce
MédioMedium regular, 12 onçasregular, 12 ounce
GrandeLarge Big, 16 onçasbig, 16 ounce
Xtra grandeXtra large o maior, 24 onçasthe biggest one, 24 ounce

O modelo retornará o valor normalizado para a entidade quando qualquer um dos sinônimos for visto na entrada.The model will return the normalized value for the entity when any of synonyms are seen in the input.

TesteTest

Testar um aplicativo Luis significa exibir previsões de modelo.Testing a LUIS app means viewing model predictions.

Diferença de fuso horárioTimezone offset

O ponto de extremidade inclui timezoneOffset.The endpoint includes timezoneOffset. Este é o número, em minutos, que você deseja adicionar ou remover da entidade predefinida datetimeV2.This is the number in minutes you want to add or remove from the datetimeV2 prebuilt entity. Por exemplo, se a declaração for "que horas são agora?", o datetimeV2 retornado será a hora atual da solicitação do cliente.For example, if the utterance is "what time is it now?", the datetimeV2 returned is the current time for the client request. Se a solicitação do cliente for proveniente de um bot ou de outro aplicativo que não for o mesmo que o usuário do seu bot, você deverá passar o deslocamento entre o bot e o usuário.If your client request is coming from a bot or other application that is not the same as your bot's user, you should pass in the offset between the bot and the user.

Confira Alterar o fuso horário da entidade datetimeV2 predefinida.See Change time zone of prebuilt datetimeV2 entity.

TokenToken

Um token é a menor unidade de texto que o Luis pode reconhecer.A token is the smallest unit of text that LUIS can recognize. Isso difere ligeiramente entre os idiomas.This differs slightly across languages.

Para o Inglês, um token é um intervalo contínuo (sem espaços ou pontuação) de letras e números.For English, a token is a continuous span (no spaces or punctuation) of letters and numbers. Um espaço não é um token.A space is NOT a token.

FrasePhrase Contagem de tokensToken count ExplicaçãoExplanation
Dog 11 Uma única palavra sem pontuação ou espaços.A single word with no punctuation or spaces.
RMT33W 11 Um número de localizador de registro.A record locator number. Ele pode ter números e letras, mas não tem pontuação.It may have numbers and letters, but does not have any punctuation.
425-555-5555 55 Um número de telefone.A phone number. Cada marca de pontuação é um único token, portanto, 425-555-5555 seria 5 tokens:Each punctuation mark is a single token so 425-555-5555 would be 5 tokens:
425
-
555
-
5555
https://luis.ai 77 https
:
/
/
luis
.
ai

TreinarTrain

O treinamento é o processo de ensinar Luis sobre quaisquer alterações na versão ativa desde o último treinamento.Training is the process of teaching LUIS about any changes to the active version since the last training.

Dados de treinamentoTraining data

Os dados de treinamento são o conjunto de informações necessárias para treinar um modelo.Training data is the set of information that is needed to train a model. Isso inclui o esquema, rotulado declarações, recursos e configurações do aplicativo.This includes the schema, labeled utterances, features, and application settings.

Erros de treinamentoTraining errors

Os erros de treinamento são previsões em seus dados de treinamento que não correspondem a seus rótulos.Training errors are predictions on your training data that do not match their labels.

EnunciadoUtterance

Um expressão é uma entrada do usuário que é um representante de texto curto de uma frase em uma conversa.An utterance is user input that is short text representative of a sentence in a conversation. Trata-se de uma frase de idioma natural, como "tíquetes do livro 2 para Seattle na próxima terça-feira".It is a natural language phrase such as "book 2 tickets to Seattle next Tuesday". Exemplos de declarações são adicionados para treinar o modelo e o modelo prevê no novo expressão em tempo de execuçãoExample utterances are added to train the model and the model predicts on new utterance at runtime

VersãoVersion

Uma versão do Luis é uma instância específica de um aplicativo Luis associado a uma ID do aplicativo Luis e ao ponto de extremidade publicado.A LUIS version is a specific instance of a LUIS application associated with a LUIS app ID and the published endpoint. Todo aplicativo LUIS tem pelo menos uma versão.Every LUIS app has at least one version.