Yttranden
Viktigt!
LUIS dras tillbaka den 1 oktober 2025 och från och med den 1 april 2023 kommer du inte att kunna skapa nya LUIS-resurser. Vi rekommenderar att du migrerar dina LUIS-program till förståelse för konversationsspråk för att dra nytta av fortsatt produktsupport och flerspråkiga funktioner.
Yttranden är indata från användare som din app behöver tolka. För att träna LUIS att extrahera avsikter och entiteter från dessa indata är det viktigt att samla in olika exempelyttranden för varje avsikt. Aktiv inlärning, eller processen för att fortsätta att träna på nya yttranden, är avgörande för maskininlärningsinformationen som LUIS tillhandahåller.
Samla in yttranden som du tror att användarna kommer att ange. Ta med yttranden, vilket betyder samma sak men som konstrueras på olika sätt:
- Yttrandelängd – kort, medel och lång för klientprogrammet
- Ord- och fraslängd
- Ordplacering – entitet i början, mitten och slutet av yttrandet
- Grammatik
- Pluralisering
- Härstamning
- Substantiv och verbval
- Skiljetecken – med både korrekt och felaktig grammatik
Välj olika yttranden
När du börjar lägga till exempelyttranden i LUIS-modellen finns det flera principer att tänka på:
Yttranden är inte alltid välformulerad
Din app kan behöva bearbeta meningar, till exempel "Boka en biljett till Paris för mig", eller ett fragment av en mening, som "Booking" eller "Paris flight" Användare gör också ofta stavfel. När du planerar din app bör du överväga om du vill använda stavningskontroll i Bing för att korrigera användarens indata innan du skickar den till LUIS.
Om du inte stavningskontrollerar användaryttranden bör du träna LUIS på yttranden som innehåller stavfel och felstavningar.
Använda användarens representativa språk
När du väljer yttranden bör du vara medveten om att det du tror är vanliga termer eller fraser kanske inte är vanligt för den typiska användaren i klientprogrammet. De kanske inte har någon domänupplevelse eller använder annan terminologi. Var försiktig när du använder termer eller fraser som en användare bara skulle säga om de var experter.
Välj varierad terminologi och frasering
Du kommer att upptäcka att även om du gör ansträngningar för att skapa olika meningsmönster, kommer du fortfarande att upprepa en del ordförråd. Följande yttranden har till exempel liknande betydelse, men olika terminologi och fraser:
- "Hur gör jag för att skaffa en dator?"
- "Var får jag en dator?"
- "Jag vill skaffa en dator, hur gör jag för att göra det?"
- "När kan jag ha en dator?"
Kärntermen här, dator, är inte varierad. Använd alternativ som stationär dator, bärbar dator, arbetsstation eller till och med bara dator. LUIS kan på ett intelligent sätt härleda synonymer från kontext, men när du skapar yttranden för träning är det alltid bättre att variera dem.
Exempelyttranden i varje avsikt
Varje avsikt måste ha exempelyttranden – minst 15. Om du har en avsikt som inte har några exempelyttranden kan du inte träna LUIS. Om du har en avsikt med ett eller några exempelyttranden kanske LUIS inte förutsäger avsikten korrekt.
Lägga till små grupper med yttranden
Varje gång du itererar på din modell för att förbättra den ska du inte lägga till stora mängder yttranden. Överväg att lägga till yttranden i kvantiteter på 15. Träna, publicera och testa sedan igen.
LUIS skapar effektiva modeller med yttranden som väljs noggrant av LUIS-modellförfattaren. Att lägga till för många yttranden är inte värdefullt eftersom det ger förvirring.
Det är bättre att börja med några yttranden och sedan granska slutpunktsyttrandena för korrekt avsiktsförutsägelse och entitetsextrahering.
Normalisering av yttranden
Yttrandenormalisering är processen att ignorera effekterna av typer av text, till exempel skiljetecken och diakritiska tecken, under träning och förutsägelse.
Inställningar för yttrandenormalisering är inaktiverade som standard. Några av dessa inställningar är:
- Word-formulär
- Diakritiska tecken
- Skiljetecken
Om du aktiverar en normaliseringsinställning ändras poängen i fönstret Test , batchtester och slutpunktsfrågor för alla yttranden för normaliseringsinställningen.
När du klonar en version i LUIS-portalen sparas versionsinställningarna i den nya klonade versionen.
Ställ in appens versionsinställningar med hjälp av LUIS-portalen genom att välja Hantera på den översta navigeringsmenyn på sidan Program Inställningar. Du kan också använda API:et Uppdateringsversion Inställningar. Mer information finns i referensdokumentationen.
Word-formulär
Normalisering av ordformulär ignorerar skillnaderna i ord som expanderar bortom roten.
Diakritiska tecken
Diakritiska tecken är märken eller tecken i texten, till exempel:
İ ı Ş Ğ ş ğ ö ü
Skiljetecken
Normalisering av skiljetecken innebär att innan dina modeller tränas och innan slutpunktsfrågorna förutsägs tas skiljetecken bort från yttrandena.
Skiljetecken är en separat token i LUIS. Ett yttrande som innehåller en punkt i slutet är ett separat yttrande än ett som inte innehåller en punkt i slutet och kan få två olika förutsägelser.
Om skiljetecken inte normaliseras ignorerar LUIS inte skiljetecken som standard eftersom vissa klientprogram kan ha betydelse för dessa märken. Se till att inkludera exempelyttranden som använder skiljetecken och sådana som inte gör det för att båda formaten ska returnera samma relativa poäng.
Kontrollera att modellen hanterar skiljetecken antingen i exempelyttranden (både med och inte har skiljetecken) eller i mönster där det är lättare att ignorera skiljetecken. Till exempel: Jag ansöker om positionen {Job} [.]
Om skiljetecken inte har någon specifik betydelse i klientprogrammet bör du överväga att ignorera skiljetecken genom att normalisera skiljetecken.
Ignorera ord och skiljetecken
Om du vill ignorera specifika ord eller skiljetecken i mönster använder du ett mönster med ignorera syntaxen för hakparenteser, [] .
Träning med alla yttranden
Träningen är vanligtvis icke-deterministisk: förutsägelsen av yttranden kan variera något mellan olika versioner eller appar. Du kan ta bort icke-deterministisk träning genom att uppdatera api:et för versionsinställningar med name/value-paret UseAllTrainingData för att använda alla träningsdata.
Testa yttranden
Utvecklare bör börja testa sitt LUIS-program med verkliga data genom att skicka yttranden till förutsägelseslutpunktens URL. Dessa yttranden används för att förbättra prestandan för avsikter och entiteter med granskningsyttranden. Tester som skickas via testfönstret i LUIS-portalen skickas inte via slutpunkten och bidrar inte till aktiv inlärning.
Granska yttranden
När din modell har tränats, publicerats och tagit emot slutpunktsfrågor granskar du de yttranden som föreslås av LUIS. LUIS väljer slutpunktsyttranden som har låga poäng för avsikten eller entiteten.
Bästa praxis
Etikett för ord innebörd
Om ordvalet eller ordarrangemanget är detsamma, men inte betyder samma sak, ska du inte märka det med entiteten.
I följande yttranden är ordet fair en homograf, vilket innebär att det stavas likadant men har en annan betydelse:
- "Vilken typ av länsmässor händer i Seattle-området i sommar?"
- "Är det nuvarande 2-stjärniga betyget för restaurangmässan?
Om du vill att en händelseentitet ska hitta alla händelsedata kan du märka ordet fair i det första yttrandet, men inte i det andra.
Ignorera inte möjliga yttranden
LUIS förväntar sig variationer i en avsikts yttranden. Yttrandena kan variera samtidigt som de har samma övergripande betydelse. Varianter kan innehålla yttrandelängd, ordval och ordplacering.
| Använd inte samma format | Använd varierande format |
|---|---|
| Köpa en biljett till Seattle | Köp 1 biljett till Seattle |
| Köp en biljett till Paris | Reservera två platser på röda ögat till Paris nästa måndag |
| Köp en biljett till Orlando | Jag skulle vilja boka 3 biljetter till Orlando för vårlov |
Den andra kolumnen använder olika verb (köp, reserv, bok), olika kvantiteter (1, &"två", 3) och olika ordningar av ord men alla har samma avsikt att köpa flygbiljetter för resor.
Lägg inte till för många exempelyttranden i avsikter
När appen har publicerats lägger du bara till yttranden från aktiv inlärning i livscykelprocessen för utveckling. Om yttrandena är för lika lägger du till ett mönster.