Проектирование с помощью моделей намерения и сущностиDesign with intent and entity models

Понимание языка предоставляет два типа моделей для определения схемы приложения.Language understanding provides two types of models for you to define your app schema. Схема приложения определяет, какие сведения будут получены от прогноза нового пользователя utterance.Your app schema determines what information you receive from the prediction of a new user utterance.

Схема приложения строится на основе моделей, создаваемых с помощью машинного обучения.The app schema is built from models you create using machine teaching:

Разработка использует обучение машинного обученияAuthoring uses machine teaching

Методология машинного обучения LUIS позволяет легко обучать концепцию для компьютера.LUIS's machine teaching methodology allows you to easily teach concepts to a machine. Понимание машинного обучения необязательно для использования Luis.Understanding machine learning is not necessary to use LUIS. Вместо этого вы в качестве преподавателя передаете концепцию в LUIS, предоставляя примеры концепции и объясняющие, как концепция должна моделироваться с помощью других связанных концепций.Instead, you as the teacher, communicates a concept to LUIS by providing examples of the concept and explaining how a concept should be modeled using other related concepts. Вы, как преподаватель, также можете улучшить модель LUIS в интерактивном режиме, определив и устранив ошибки прогнозирования.You, as the teacher, can also improve LUIS's model interactively by identifying and fixing prediction mistakes.

Классификация речевых фрагментов по намерениямIntents classify utterances

Цель классифицирует пример фразы продолжительностью, чтобы обучить LUIS о намерениях.An intent classifies example utterances to teach LUIS about the intent. Пример фразы продолжительностью в намерении используется как положительные примеры utterance.Example utterances within an intent are used as positive examples of the utterance. Эти же фразы продолжительностью используются как отрицательные примеры во всех других случаях.These same utterances are used as negative examples in all other intents.

Рассмотрим приложение, которое должно определить намерение пользователя заказать книгу и приложение, которому требуется адрес доставки для клиента.Consider an app that needs to determine a user's intention to order a book and an app that needs the shipping address for the customer. Это приложение имеет два целей: OrderBook и ShippingLocation .This app has two intents: OrderBook and ShippingLocation.

Следующий utterance является положительным примером для OrderBook цели и отрицательного примера для ShippingLocation None целей и.The following utterance is a positive example for the OrderBook intent and a negative example for the ShippingLocation and None intents:

Buy the top-rated book on bot architecture.

Извлечение данных с использованием сущностейEntities extract data

Сущность представляет собой единицу данных, которые необходимо извлечь из utterance.An entity represents a unit of data you want extracted from the utterance. Сущность машинного обучения — это сущность верхнего уровня, содержащая подсущности, которые также являются сущностями машинного обучения.A machine-learning entity is a top-level entity containing subentities, which are also machine-learning entities.

Пример сущности машинного обучения — это заказ на основе билета на плоскость.An example of a machine-learning entity is an order for a plane ticket. По сути, это одна транзакция с несколькими меньшими единицами данных, такими как дата, время, количество рабочих мест, тип рабочего места, например первый класс или обучение, расположение источника, целевое расположение и вариант еды.Conceptually this is a single transaction with many smaller units of data such as date, time, quantity of seats, type of seat such as first class or coach, origin location, destination location, and meal choice.

Целей и сущностейIntents versus entities

Намерением является желаемый результат всей utterance, а сущности — фрагменты данных, извлеченных из utterance.An intent is the desired outcome of the whole utterance while entities are pieces of data extracted from the utterance. Обычно они связаны с действиями, которые должны выполняться клиентским приложением.Usually intents are tied to actions, which the client application should take. Сущности — это сведения, необходимые для выполнения этого действия.Entities are information needed to perform this action. С точки зрения программирования, цель вызывала вызов метода, а сущности будут использоваться в качестве параметров для вызова этого метода.From a programming perspective, an intent would trigger a method call and the entities would be used as parameters to that method call.

Эта utterance должна иметь намерение и может иметь сущности:This utterance must have an intent and may have entities:

Buy an airline ticket from Seattle to Cairo

У этого utterance одна цель:This utterance has a single intention:

  • Приобретение билета на плоскостьBuying a plane ticket

Этот utterance может иметь несколько сущностей:This utterance may have several entities:

  • Расположения в Сиэтле (источник) и Каиро (назначение)Locations of Seattle (origin) and Cairo (destination)
  • Количество одного билетаThe quantity of a single ticket

Декомпозиция модели сущностейEntity model decomposition

LUIS поддерживает декомпозицию модели с помощью API-интерфейсов разработки, разбивая концепцию на более мелкие части.LUIS supports model decomposition with the authoring APIs, breaking down a concept into smaller parts. Это позволяет создавать модели с уверенностью в том, как создаются и прогнозируется различные части.This allows you to build your models with confidence in how the various parts are constructed and predicted.

Декомпозиция модели состоит из следующих частей.Model decomposition has the following parts:

КомпонентыFeatures

Функция — это отличительная черта или атрибут данных, которые отслеживает система.A feature is a distinguishing trait or attribute of data that your system observes. Функции машинного обучения предоставляют LUIS важные подсказки для поиска вещей, которые будут отличать концепцию.Machine learning features give LUIS important cues for where to look for things that will distinguish a concept. Они представляют собой подсказки, которые LUIS могут использовать, но не жесткие правила.They are hints that LUIS can use, but not hard rules. Эти указания используются вместе с метками для поиска данных.These hints are used in conjunction with the labels to find the data.

ШаблоныPatterns

Шаблоны предназначены для повышения точности, когда несколько фразы продолжительностью очень похожи.Patterns are designed to improve accuracy when several utterances are very similar. Шаблон обеспечивает более высокую точность при определении намерения без необходимости предоставлять большое число дополнительных фраз.A pattern allows you to gain more accuracy for an intent without providing many more utterances.

Расширение приложения во время выполненияExtending the app at runtime

Схема (модели и компоненты) приложения обучена и опубликована в конечной точке прогнозирования.The app's schema (models and features) is trained and published to the prediction endpoint. Вы можете передать в конечную точку прогнозирования новые сведения, а также utterance пользователя, чтобы дополнить прогноз.You can pass new information, along with the user's utterance, to the prediction endpoint to augment the prediction.

Дальнейшие шагиNext steps