Entiteter och deras syfte i LUISEntities and their purpose in LUIS

Det primära syftet med entiteter är att ge klient programmet förutsägbar data extrahering.The primary purpose of entities is to give the client application predictable extraction of data. Ett valfritt, sekundärt syfte är att öka förutsägelsen för avsikten med beskrivningar.An optional, secondary purpose is to boost the prediction of the intent with descriptors.

Det finns två typer av entiteter:There are two types of entities:

  • känd dator – från kontextmachine-learned - from context
  • ej känd dator – för exakta text matchningarnon-machine-learned - for exact text matches

Börja alltid med en enhet som har lärts ur enheten eftersom den tillhandahåller det bredaste urvalet av data extraherings alternativ.Always begin with a machine-learned entity because that provides the widest range of data extraction choices.

Entiteten jämfört med avsiktEntity compared to intent

Entiteten representerar ett data koncept i uttryck som du vill extrahera.The entity represents a data concept inside the utterance that you want extracted.

Tänk på följande tre yttranden:Consider the following 3 utterances:

YttrandeUtterance Extraherade dataData extracted FörklaringExplanation
Help - Inget att extrahera.Nothing to extract.
Send Bob a present Bob, presenteraBob, present Bob är definitivt viktigt att slutföra uppgiften.Bob is definitely important to completing the task. Det kan finnas tillräckligt med information eller också kan roboten behöva klargöra vad som är aktuellt med en uppföljnings fråga.The present may be enough information or the bot may need to clarify what the present is with a follow-up question.
Send Bob a box of chocolates. De två viktiga delarna av data, Robert och kartongen för choklad är viktiga för att slutföra användarens begäran.The two important pieces of data, Bob and the box of chocolates, is important to completing the user's request.

Ett uttryck kan innehålla många entiteter eller inga alls.An utterance can include many entities or none at all. Ett klient program kan behöva entiteten för att utföra sin uppgift.A client application may need the entity to perform its task.

Vid jämförelse krävs en förutsägelse av avsikten för en uttryck och representerar hela uttryck.By comparison, the prediction of the intent for an utterance is required and represents the entire utterance. LUIS kräver att exempel yttranden finns i ett avsikts syfte.LUIS requires example utterances are contained in an intent. Om den primära avsikten med uttryck inte är viktig för klient programmet lägger du till alla yttranden till ingen avsikt.If the primary intention of the utterance isn't important to the client application, add all the utterances to the None intent.

Om du hittar, senare i appens livs cykel, vill du dela upp yttranden kan du enkelt göra det.If you find, later in the app lifecycle, you want to break out the utterances, you can easily do that. Det kan vara att organisera yttranden medan du redigerar, eller så kan du använda den förväntade avsikten i klient programmet.This can be to organize the utterances while you are authoring, or it can be to use the predicted intention in the client application.

Det finns inget krav på att använda den förväntade avsikten i klient programmet, men den returneras som en del av svaret på förutsägelse slut punkten.There is no requirement to use the predicted intent in the client application, but it is returned as part of the prediction endpoint response.

Entiteter som representerar dataEntities represent data

Entiteter är data som du vill hämta från uttryck.Entities are data you want to pull from the utterance. Detta kan vara ett namn, datum, produktnamn och grupper av orden.This can be a name, date, product name, or any group of words.

YttrandeUtterance EntitetEntity DataData
Köpa 3 biljetter New YorkBuy 3 tickets to New York Fördefinierade talPrebuilt number
Location.DestinationLocation.Destination
33
New YorkNew York
Köp en biljett från New York till London 5 marsBuy a ticket from New York to London on March 5 Location.OriginLocation.Origin
Location.DestinationLocation.Destination
Fördefinierade datetimeV2Prebuilt datetimeV2
New YorkNew York
LondonLondon
5 mars 2018March 5, 2018

Avsikter är obligatoriska, är entiteter valfria.While intents are required, entities are optional. Du behöver inte skapa entiteter för varje koncept i appen, men endast för de som krävs för att klient programmet ska vidta åtgärder.You do not need to create entities for every concept in your app, but only for those required for the client application to take action.

Om din yttranden inte har information om din robot måste fortsätta, behöver du inte att lägga till dem.If your utterances do not have details your bot needs to continue, you do not need to add them. När din app utvecklas, kan du lägga till dem senare.As your app matures, you can add them later.

Om du inte är säker på hur du ska använda informationen lägger du till några vanliga fördefinierade entiteter som datetimeV2, ordningstal, e-postoch telefonnummer.If you're not sure how you would use the information, add a few common prebuilt entities such as datetimeV2, ordinal, email, and phone number.

Utforma entiteter för dekompositionDesign entities for decomposition

Påbörja din enhets design med en enhet som har lärts från enheten.Begin your entity design with a machine-learned entity. På så sätt kan du enkelt utforma och ändra entiteten över tid.This allows for easy design growth and changes of your entity over time. Lägg till under komponenter (underordnade entiteter) med begränsningar och beskrivningar för att slutföra entitetens design.Add subcomponents (child entities) with constraints and descriptors to complete the entity design.

Genom att utforma för dekomposition kan LUIS returnera en djup grad av enhets matchning till klient programmet.Designing for decomposition allows LUIS to return a deep degree of entity resolution to your client application. Detta gör att ditt klient program kan fokusera på affärs regler och lämna data upplösning till LUIS.This allows your client-application to focus on business rules and leave data resolution to LUIS.

Enheter som har lärts från enheten är primära data samlingarMachine-learned entities are primary data collections

Enhets inlärda entiteter är den översta data enheten.Machine-learned entities are the top-level data unit. Del komponenter är underordnade entiteter till enheter som har lärts ur enheten.Subcomponents are child entities of machine-learned entities.

Begränsningar är matchande entiteter med exakt text som tillämpar regler för att identifiera och extrahera data.Constraints are exact-text matching entities that apply rules to identify and extract data. Beskrivningar är funktioner som används för att förbättra relevansen hos ord eller fraser för förutsägelsen.Descriptors are features applied to boost the relevance of the words or phrases for the prediction.

Typer av enheterTypes of entities

Välj entiteten baserat på hur data ska extraheras och hur de ska representeras när den har extraherats.Choose the entity based on how the data should be extracted and how it should be represented after it is extracted.

EntitetstypEntity type SyftePurpose
Datorn – lärt sigMachine-learned Överordnad gruppering av entiteter, oavsett typ av enhet.Parent grouping of entities, regardless of entity type. Enheter som lärts från enheten lär sig från kontexten i uttryck.Machine-learned entities learn from context in the utterance. På så sätt blir variationen av placering i exemplet yttranden stor.This makes variation of placement in example utterances significant.
ListaList Lista över objekt och deras synonymer som extraheras med exakt text matchning.List of items and their synonyms extracted with exact text match.
Mönster. allaPattern.any Entiteten där slutet av entiteten är svårt att fastställa.Entity where end of entity is difficult to determine.
FördefinieradePrebuilt Redan utbildad för att extrahera viss typ av data, till exempel URL eller e-post.Already trained to extract specific kind of data such as URL or email. Några av dessa fördefinierade entiteter definieras i ett text projekt med öppen källkod.Some of these prebuilt entities are defined in the open-source Recognizers-Text project. Om din specifika kultur eller entitet inte stöds för närvarande, bidra till projektet.If your specific culture or entity isn't currently supported, contribute to the project.
Reguljärt uttryckRegular Expression Använder reguljärt uttryck för exakt text matchning.Uses regular expression for exact text match.

Enhets roll definierar kontextEntity role defines context

En entitets roll är det namngivna aliaset baserat på kontexten i uttryck.An entity's role is the named alias based on context within the utterance. Ett exempel är en uttryck för att boka en flygning som har två platser, ursprung och mål.An example is an utterance for booking a flight that has two locations, origin and destination.

Book a flight from Seattle to Cairo

De två exemplen för en location entitet måste extraheras.The two examples of a location entity need to be extracted. Klient programmet måste känna till typen av plats för var och en för att kunna slutföra biljett köpet.The client-application needs to know the type of location for each in order to complete the ticket purchase. location entiteten behöver två roller för origin och destination och måste markeras i exemplet yttranden.The location entity needs two roles of origin and destination and both need to be marked in the example utterances.

Om LUIS hittar location men inte bestämmer rollen, returneras fortfarande plats enheten.If LUIS finds the location but can't determine the role, the location entity is still returned. Klient programmet måste följa upp med en fråga för att avgöra vilken typ av plats som användaren avsåg.The client application would need to follow up with a question to determine which type of location the user meant.

Flera entiteter kan finnas i en uttryck och kan extraheras utan att använda roller.Multiple entities can exist in an utterance and can be extracted without using roles. Om meningen i meningen anger enhet svärdet, ska en roll användas.If the context of the sentence indicates the entity value, then a role should be used.

Om uttryck innehåller en lista över platser I want to travel to Seattle, Cairo, and London., är det här en lista där varje objekt inte har någon ytterligare innebörd.If the utterance includes a list of locations, I want to travel to Seattle, Cairo, and London., this is a list where each item doesn't have an additional meaning.

Om du behöver mer än det maximala antalet enheterIf you need more than the maximum number of entities

Kontakta supporten om du behöver mer än gränsen.If you need more than the limit, contact support. Samla in detaljerad information om datorn för att göra det, går du till den LUIS webbplats och väljer sedan Support.To do so, gather detailed information about your system, go to the LUIS website, and then select Support. Om din Azure-prenumeration innehåller supporttjänster, kontakta teknisk support för Azure.If your Azure subscription includes support services, contact Azure technical support.

Status för enhets förutsägelseEntity prediction status

LUIS-portalen visar när entiteten, i ett exempel-uttryck, har en annan enhets förutsägelse än den entitet som du har valt.The LUIS portal shows when the entity, in an example utterance, has a different entity prediction than the entity you selected. Den här olika poängen baseras på den aktuella tränade modellen.This different score is based on the current trained model.

Nästa stegNext steps

Lär dig mer begrepp om bra yttranden.Learn concepts about good utterances.

Se Lägg till entiteter mer information om hur du lägger till entiteter i din LUIS-app.See Add entities to learn more about how to add entities to your LUIS app.