Quickstart: Compreensão da linguagem de conversação (pré-visualização)

Use este artigo para começar com a classificação de texto personalizado usando o Language Studio e a API REST. Siga estes passos para experimentar um exemplo.

Pré-requisitos

Iniciar s.000 no Language Studio

  1. Vá ao Language Studio e inscreva-se na sua conta Azure.

  2. Na janela de recursos idiomas que aparece, encontre a sua subscrição Azure e escolha o seu recurso Idioma. Se não tiver um recurso, pode criar um novo.

    Nota

    Atualmente apenas os recursos com o nível de preços padrão (S) podem ser utilizados com o serviço de Language Understanding Conversacional.

    A screenshot showing the resource selection screen in Language Studio.

Criar um projeto de conversação

Assim que tiver um recurso idioma associado à sua conta, crie um projeto de Language Understanding Conversacional. Neste arranque rápido, irá criar um projeto que pode identificar comandos para e-mail, tais como: ler e-mails de certas pessoas, apagar e-mails e anexar um documento a um e-mail.

  1. No Language Studio, encontre a secção chamada Compreender a linguagem de conversação e selecione a compreensão da linguagem conversacional.
    A screenshot showing the location of Custom Language Understanding in the Language Studio landing page.

  2. Isto irá levá-lo à página do projeto Conversations . Selecione Criar novo projeto. Selecione o projeto 'Conversação' e, em seguida, selecione Seguinte.

    A screenshot showing the conversation project page in Language Studio.

Em seguida, tem de fornecer os seguintes detalhes:

Valor Descrição
Nome Um nome para o seu projeto.
Description Descrição do projeto opcional.
Linguagem primária do texto A linguagem primária do seu projeto. Os seus dados de treino devem estar principalmente nesta língua. Para este arranque rápido, escolha inglês.
Ativar várias línguas Se gostaria de permitir que o seu projeto suportasse várias línguas ao mesmo tempo. Para este arranque rápido, ative esta opção.

Uma vez feito, selecione Next e reveja os detalhes. Selecione criar projeto para concluir o processo. Deve agora ver o ecrã Build Schema no seu projeto.

Criar o esquema

  1. Selecione o separador Intenções ou Entidades na página Build Schema e selecione Adicionar. Será solicitado um nome antes de concluir a criação da intenção ou entidade.

  2. Criar três intenções com os seguintes nomes:

    • Ler
    • Eliminar
    • Ligar
  3. Criar três entidades com os seguintes nomes. Assim que criar a entidade, volte à página Build Schema sem adicionar detalhes à entidade:

    • Remetente
    • Nome de arquivo
    • FileType

Ao selecionar a intenção, verá a página de tags, onde pode adicionar exemplos para intenções e rotulá-las com entidades.

A screenshot showing the schema page in Language studio.

Tag declarações

Na página de tags, vamos adicionar alguns exemplos às intenções. Selecione a intenção de Ler a partir da caixa de entrega que diz Select Intent.

Na caixa de texto que diz Escrever o seu exemplo e pressionar a entrar, escreva a frase "leia o e-mail de Carol" e prima para adicioná-la como um exemplo de expressão.

Arraste o cursor sobre a palavra "Carol" e selecione a entidade Remetente , para rotular "Carol" como entidade.

Adicione o resto destas declarações com as seguintes intenções e entidades.

Expressão Intenção Entidades
Leia o e-mail do John para mim. Ler "João": Remetente
O que dizia o e-mail do Matt? Ler "Matt": Remetente
Abra o e-mail de Blake Ler "Blake": Remetente
Apague o meu último e-mail da Martha Eliminar "Martha": Remetente
Apague isto Eliminar Sem entidades
Remova este. Eliminar Sem entidades
Mova isto para a pasta eliminada Eliminar Sem entidades
Anexar o ficheiro excel chamado relatórios q1 Ligar "Excel": FileType,
"Reportes q1" ->Nome de arquivo
Anexar o ficheiro PowerPoint Ligar "PowerPoint": FileType
Adicione o ficheiro PDF com o nome assinado contrato Ligar "PDF": FileType,
"Contrato assinado": Nome de arquivo

Quando terminar, selecione Guardar Alterações para guardar as expressões e etiquetas do projeto. O ícone ao lado do botão ficará verde quando as alterações forem guardadas. Em seguida, vá à página do Modelo de Comboio .

A screenshot showing the intents tagging screen in Language Studio.

Treine o seu modelo e veja os seus detalhes

Selecione o modelo do comboio à esquerda do ecrã. Selecione Iniciar um trabalho de treino. Para treinar o seu modelo, precisa de fornecer um nome para o modelo. Escreva um nome como "v1" e pressione a tecla de entrada.

Nota

Se não marcar as expressões , só poderá treinar utilizando o conjunto de testes automaticamente de todas as opções de dados . Consulte as expressões de adicionar ao conjunto de testes definidos para obter mais informações.

Quando o trabalho de formação estiver concluído, o que pode demorar algum tempo, deverá ver o desempenho do modelo de saída na página de detalhes do modelo Ver .

Implemente o seu modelo

A partir da página do modelo Implementar à esquerda do ecrã, selecione Adicionar a implementação.

Na janela que aparece, dê um nome de implantação à sua implantação e, em seguida, atribua o seu modelo treinado a este nome de implantação e, em seguida, selecione Enviar.

Testar o seu modelo

Selecione o modelo de teste à esquerda do ecrã e selecione a ligação do modelo. Escreva a expressão "destrua este", e selecione Executar o teste.

Agora vê a intenção de topo como Delete sem entidades.

Pode testar outras expressões tais como:

  • "anexar o meu ficheiro docx",
  • "Leia o e-mail de Jason",
  • "anexar o ficheiro PPT denominado demonstração CLU".

Também pode testar expressões noutras línguas, tais como as seguintes frases:

  • "Joindre le fichier PDF" (em francês: "Anexar o ficheiro PDF"),
  • "Lesen Sie die E-mail von Macy" (em alemão: "Leia o e-mail de Macy")

Pré-requisitos

  • Assinatura Azure - Crie uma gratuitamente.
  • A versão atual da CURL.
  • Um recurso linguístico. Se não tiver um, pode criar um usando o portal do Azure. Se criar um novo recurso, clique no link, siga os passos e aguarde que seja implantado. Em seguida, clique em Ir para o recurso.

Obtenha as suas chaves de recursos e ponto final

  1. Vá à página geral do seu recurso na portal do Azure.

  2. A partir do menu do lado esquerdo, selecione Keys e Endpoint. Você usará o ponto final e a chave para os pedidos da API

    A screenshot showing the key and endpoint page in the Azure portal

Importar um projeto

Para começar, pode importar um CLU JSON para o serviço. O quickstart irá fornecer uma amostra JSON abaixo que configura um par de intenções e entidades para uma aplicação de e-mail chamada "EmailProject".

Crie um pedido DE POST utilizando o seguinte URL, cabeçalhos e corpo JSON para criar o seu projeto.

URL do Pedido

Utilize o seguinte URL ao criar o seu pedido de API. Substitua os valores de espaço reservado abaixo pelos seus próprios valores.

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/:import?api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.
format clu

Corpo

Use a seguinte amostra JSON como seu corpo.

{
    "api-version": "2021-11-01-preview",
    "metadata": {
        "name": "EmailProject",
        "description": "A test application",
        "type": "Conversation",
        "multilingual": true,
        "language": "en-us",
        "settings": {
        }
    },
    "assets": {
        "intents": [
            {
                "name": "Read"
            },
            {
                "name": "Delete"
            },
            {
                "name": "Attach"
            }
        ],
        "entities": [
            {
                "name": "Sender"
            },
            {
                "name": "FileName"
            },
            {
                "name": "FileType"
            }
        ],
        "examples": [
            {
                "text": "Open Blake's email",
                "language": "en-us",
                "intent": "Read",
                "entities": [
                    {
                        "entityName": "Sender",
                        "offset": 5,
                        "length": 5
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "Add the PDF file with the name signed contract",
                "language": "en-us",
                "intent": "Attach",
                "entities": [
                    {
                        "entityName": "FileType",
                        "offset": 8,
                        "length": 3
                    },
                    {
                        "entityName": "FileName",
                        "offset": 31,
                        "length": 15
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "Attach the PowerPoint file",
                "language": "en-us",
                "intent": "Attach",
                "entities": [
                    {
                        "entityName": "FileType",
                        "offset": 11,
                        "length": 10
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "Attach the excel file called reports q1",
                "language": "en-us",
                "intent": "Attach",
                "entities": [
                    {
                        "entityName": "FileType",
                        "offset": 11,
                        "length": 5
                    },
                    {
                        "entityName": "FileName",
                        "offset": 29,
                        "length": 10
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "Move this to the deleted folder",
                "language": "en-us",
                "intent": "Delete",
                "entities": [],
                "dataset": "Train"
            },
            {
                "text": "Remove this one",
                "language": "en-us",
                "intent": "Delete",
                "entities": [],
                "dataset": "Train"
            },
            {
                "text": "Delete this",
                "language": "en-us",
                "intent": "Delete",
                "entities": [],
                "dataset": "Train"
            },
            {
                "text": "Delete my last email from Martha",
                "language": "en-us",
                "intent": "Delete",
                "entities": [
                    {
                        "entityName": "Sender",
                        "offset": 26,
                        "length": 6
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "Read John's email for me",
                "language": "en-us",
                "intent": "Read",
                "entities": [
                    {
                        "entityName": "Sender",
                        "offset": 5,
                        "length": 4
                    }
                ],
                "dataset": "Train"
            },
            {
                "text": "read the email from Carol",
                "language": "en-us",
                "intent": "Read",
                "entities": [
                    {
                        "entityName": "Sender",
                        "offset": 20,
                        "length": 5
                    }
                ],
                "dataset": "Train"
            }
        ]
    }
}

Comece a treinar o seu modelo

Depois de o seu projeto ter sido importado, pode começar a formar um modelo. Crie um pedido de POST utilizando o seguinte URL, cabeçalhos e corpo JSON para iniciar o treino.

URL do Pedido

Utilize o seguinte URL ao criar o seu pedido de API. Substitua os valores de espaço reservado abaixo pelos seus próprios valores.

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/:train?api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.
Content-Type application/json

Corpo do pedido

Utilize o seguinte objeto no seu pedido. O modelo será nomeado MyModel assim que o treino estiver completo.

{
  "modelLabel":"MyModel",
  "RunVerification":True,
  "evaluationOptions":
    {
        "type":"percentage",
        "testingSplitPercentage":"30",
        "trainingSplitPercentage":"70"
    }
  
}
Chave Valor Exemplo
modelLabel O seu nome modelo. MyModel
RunVerification Valor booleano para executar validação no conjunto de teste. True
evaluationOptions Especifica opções de avaliação.
type Especifica o tipo de fichas. conjunto ou percentagem
testingSplitPercentage Campo inteiro necessário se type for percentagem. Especifica a divisão de testes. 30
trainingSplitPercentage Campo inteiro necessário se type for percentagem. Especifica a divisão de treino. 70

Assim que enviar o seu pedido de API, receberá uma 202 resposta indicando sucesso. Nos cabeçalhos de resposta, extraia o location valor. Será formatado assim:

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/train/jobs/{JOB-ID}?api-version=2021-11-01-preview

JOB-ID é usado para identificar o seu pedido, uma vez que esta operação é assíncronea. Você usará este URL no próximo passo para obter o estado de treino.

Obter Estado do Treino

Utilize o seguinte pedido GET para consultar o estado do processo de formação do seu modelo. Pode utilizar o URL que recebeu do passo anterior ou substituir os valores de espaços reservados abaixo pelos seus próprios valores.

URL do Pedido

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/train/jobs/{JOB-ID}?api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com
{JOB-ID} A identificação para localizar o estado de treino do seu modelo. Isto está no valor do location cabeçalho que recebeu no passo anterior. xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.

Corpo de Resposta

Assim que enviar o pedido, receberá a seguinte resposta. Continue a sondar este ponto final até que o parâmetro de estado mude para "ter sucesso".

{
    "result":
    {
          "trainedModelLabel":"MyModel",
          "trainStatus":{"percentComplete":0,"elapsedTime":null},
          "evaluationStatus":{"percentComplete":0,"elapsedTime":null}
     },
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Implemente o seu modelo

Uma vez concluído o treino, pode implementar o seu modelo de previsões.

Crie um pedido DEMS utilizando o seguinte URL, cabeçalhos e corpo JSON para começar a implementar um modelo de compreensão da linguagem de conversação.

URL do Pedido

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/deployments/production?api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.
Content-Type application/json

Corpo do Pedido

{
  "trainedModelLabel":"MyModel",
  "deploymentName":"production"
}

Assim que enviar o seu pedido de API, receberá uma 202 resposta indicando sucesso. Nos cabeçalhos de resposta, extraia o location valor. Será formatado assim:

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/deployments/production/jobs/{JOB-ID}?api-version=2021-11-01-preview

JOB-ID é usado para identificar o seu pedido, uma vez que esta operação é assíncronea. Você usará este URL no próximo passo para obter o estado de treino.

Obter Estado da Implementação

Utilize o seguinte pedido GET para consultar o estado do processo de implantação do seu modelo. Pode utilizar o URL que recebeu do passo anterior ou substituir os valores de espaços reservados abaixo pelos seus próprios valores.

URL do Pedido

{YOUR-ENDPOINT}/language/analyze-conversations/projects/EmailProject/deployments/production/jobs/{JOB-ID}?api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com
{JOB-ID} A identificação para localizar o estado de treino do seu modelo. Isto está no valor do location cabeçalho que recebeu no passo anterior. xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.

Corpo de Resposta

Assim que enviar o pedido, receberá a seguinte resposta. Continue a sondar este ponto final até que o parâmetro de estado mude para "ter sucesso".

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Modelo de consulta

Assim que a implementação for bem sucedida, pode começar a consultar o seu projeto para previsões.

Crie um pedido DEMS utilizando o seguinte URL, cabeçalhos e corpo JSON para começar a implementar um modelo de compreensão da linguagem de conversação.

URL do Pedido

{YOUR-ENDPOINT}/language/:analyze-conversations?projectName=EmailProject&deploymentName=production&api-version=2021-11-01-preview
Marcador de posição Valor Exemplo
{YOUR-ENDPOINT} O ponto final para autenticar o seu pedido de API. https://<your-custom-subdomain>.cognitiveservices.azure.com

Cabeçalhos

Utilize o seguinte cabeçalho para autenticar o seu pedido.

Chave Valor
Ocp-Apim-Subscription-Key A chave do seu recurso. Utilizado para autenticar os seus pedidos de API.
Content-Type application/json

Corpo do Pedido

{
  "query":"attach a docx file"
}

Corpo de Resposta

Assim que enviar o pedido, receberá a seguinte resposta para a previsão!

{
    "query":"attach a docx file",
    "prediction": {
        "topIntent":"Attach",
        "projectKind":"conversation",
        "intents":[{"category":"Attach","confidenceScore":0.9998592},{"category":"Read","confidenceScore":0.00010551753},{"category":"Delete","confidenceScore":3.5209276E-05}],
        "entities":[{"category":"FileType","text":"docx","offset":9,"length":4,"confidenceScore":1}]
     }
}

Passos seguintes