LUIS uygulamalarında desenler

Makale
01/19/2024

Önemli

LUIS 1 Ekim 2025'te kullanımdan kaldırılacak ve 1 Nisan 2023'den itibaren yeni LUIS kaynakları oluşturamayacaksınız. Sürekli ürün desteği ve çok dilli özelliklerden yararlanmak için LUIS uygulamalarınızı konuşma dili anlayışına geçirmenizi öneririz.

Desenler, birden çok konuşma çok benzer olduğunda doğruluğu geliştirmek için tasarlanmıştır. Desen, birkaç konuşma daha sağlamadan amaç için daha fazla doğruluk elde etmenizi sağlar.

Desenler düşük amaç güvenini çözer

Bir çalışanla ilgili olarak kuruluş şemasında rapor veren bir İnsan Kaynakları uygulaması düşünün. Bir çalışanın adı ve ilişkisi göz önünde bulundurulduğunda LUIS ilgili çalışanları döndürür. Ali adında bir yönetici ve Michael, Rebecca ve Carl adında bir alt ekibi olan bir çalışan, Tom düşünün.

İfadeler	Amaç tahmin edildi	Amaç puanı
Tom'un astları kim?	GetOrgChart	0,30
Tom'un astları kim?	GetOrgChart	0,30

Bir uygulamada farklı cümle uzunluklarına, farklı sözcük sırasına ve hatta farklı sözcüklere ("alt", "yönet", "rapor" eş anlamlıları) sahip 10 ile 20 arasında konuşma varsa LUIS düşük güvenilirlik puanı döndürebilir. LUIS'in sözcük sırasının önemini anlamasına yardımcı olmak için bir desen oluşturun.

Desenler aşağıdaki durumları çözer:

Amaç puanı düşük
Doğru amaç en yüksek puan değil, en yüksek puana çok yakın.

Desenler amacın garantisi değildir

Desenler, tahmin tekniklerinin bir karışımını kullanır. Şablon konuşmasının amacını bir desende ayarlamak amaç tahmininin garantisi değildir, ancak güçlü bir sinyaldir.

Desenler makine öğrenmesi varlık algılamayı geliştirmez

Desen öncelikli olarak amaçların ve rollerin tahminine yardımcı olmak için kullanılır. Serbest biçimli varlıkları ayıklamak için "pattern.any" varlığı kullanılır. Desenler varlıkları kullansa da, desen bir makine öğrenmesi varlığını algılamaya yardımcı olmaz.

Birden çok konuşmayı tek bir desene daraltıyorsanız geliştirilmiş varlık tahmini görmeyi beklemeyin. Uygulamanız tarafından kullanılacak basit varlıklar için konuşmalar eklemeniz veya liste varlıklarını kullanmanız gerekir.

Desenler varlık rollerini kullanır

Bir desendeki iki veya daha fazla varlık bağlamsal olarak ilişkiliyse, desenler varlıklar hakkındaki bağlamsal bilgileri ayıklamak için varlık rollerini kullanır.

Desenli ve desensiz tahmin puanları

Yeterli örnek konuşma söz konusuysa LUIS, desenler olmadan tahmin güvenilirliğini artırabilir. Desenler, çok fazla konuşma sağlamak zorunda kalmadan güvenilirlik puanını artırır.

Desen eşleştirme

Desen, önce desenin içindeki varlıkları algılayıp ardından desenin kalan sözcükleri ve sözcük sırasını doğrulayarak eşleştirilir. Bir desenin eşleşmesi için desende varlıklar gereklidir. Desen karakter düzeyinde değil belirteç düzeyinde uygulanır.

Pattern.any varlığı

pattern.any varlığı, ifade nedeniyle varlığın sonunun konuşmanın geri kalanından ayrılmasının zor olduğu durumlarda serbest biçimli verileri bulmanızı sağlar.

Örneğin, çalışanların şirket belgelerini bulmasına yardımcı olan bir İnsan Kaynakları uygulaması düşünün. Bu uygulamanın aşağıdaki örnek konuşmaları anlaması gerekebilir.

"HRF-123456 nerede?"
"HRF-123234'i kim yazdı?"
"HRF-456098 Fransızca yayınlanıyor mu?"

Ancak her belgenin hem biçimlendirilmiş bir adı (yukarıdaki listede kullanılır) hem de yeni çalışandan şirket 2018 sürüm 5'e taşınma isteği gibi okunabilir bir adı vardır.

İnsan tarafından okunabilen ada sahip konuşmalar şöyle görünebilir:

"Yeni çalışandan şirket 2018 sürüm 5'e taşınma isteği nerededir?"
"" Yeni çalışandan şirket 2018 sürüm 5'e taşınma isteği"ni kim yazdı?"
Yeni çalışandan şirket 2018 sürüm 5'e taşınma isteği Fransızca mı yayımlandı?"

Konuşmalar, LUIS'i varlığın nerede bittiği konusunda karıştırabilecek sözcükler içerir. Pattern.any varlığını bir desende kullanmak, belge adının başlangıcını ve sonunu belirtmenize olanak tanır, bu nedenle LUIS form adını doğru ayıklar. Örneğin, aşağıdaki şablon konuşmaları:

Where is {FormName}[?] ({FormName} nerede[?])
Who authored {FormName}[?] ({FormName} kim yazdı[?])
{FormName} Fransızca yayımlanıyor mu[?]

Desenler için en iyi yöntemler:

Sonraki yinelemelerde desen ekleme

Desenler örnek konuşmalardan daha ağır olduğundan ve güveni çarpıtacağından, desenleri eklemeden önce uygulamanın nasıl davrandığını anlamanız gerekir.

Uygulamanızın nasıl davrandığını anladıktan sonra, uygulamanıza uygulanan desenleri ekleyin. Uygulamanın tasarımını her yinelediğinizde bunları eklemeniz gerekmez.

Bunları model tasarımınızın başına eklemenin bir zararı yoktur, ancak model konuşmalarla test edildikten sonra her desenin modeli nasıl değiştirdiğini görmek daha kolaydır.

Çok fazla desen eklemeyin

Çok fazla desen eklemeyin. LUIS'in amacı daha az örnekle hızlı bir şekilde öğrenmedir. Sistemi gereksiz yere aşırı yüklemeyin.

Özellikler

Makine öğrenmesinde özellik , sisteminizin gözlemlediği ve öğrendiği verilerin ayırt edici bir özelliği veya özniteliğidir.

Makine öğrenmesi özellikleri LUIS'e bir kavramı ayırt eden şeyleri nerede arayabileceği konusunda önemli ipuçları verir. Bunlar LUIS'in kullanabileceği ipuçlarıdır ancak zor kurallar değildir. LUIS, verileri bulmak için etiketlerle birlikte bu ipuçlarını kullanır.

Bir özellik gibi f(x) = ybir işlev olarak tanımlanabilir. Örnek konuşmada, özellik ayırt edici özelliği nerede arayabileceğinizi söyler. Şemanızı oluşturmanıza yardımcı olması için bu bilgileri kullanın.

Özellik türleri

Özellikler şema tasarımınızın gerekli bir parçasıdır. LUIS, özellik olarak hem tümcecik listelerini hem de modelleri destekler:

Tümcecik listesi özelliği
Özellik olarak model (amaç veya varlık)

Örnek konuşmalarınızdaki özellikleri bulma

LUIS dil tabanlı bir uygulama olduğundan özellikler metin tabanlıdır. Ayırt etmek istediğiniz özelliği gösteren metni seçin. LUIS için en küçük birim belirteçtir. İngilizce dilinde belirteç, boşluk veya noktalama işareti olmayan harf ve sayılardan oluşan bitişik bir aralıktır.

Boşluklar ve noktalama işaretleri belirteç olmadığından, özellik olarak kullanabileceğiniz metin ipuçlarına odaklanın. Sözcüklerin çeşitlemelerini eklemeyi unutmayın, örneğin:

Çoğul formlar
Fiil zamanları
Kısaltma
Yazım ve yazım hataları

Metnin bir özelliği ayırt ettiği için aşağıdakilere gerek olup olmadığını belirleyin:

Tam bir sözcük veya tümcecikle eşleşme: Varlığa veya amada bir özellik olarak normal ifade varlığı veya liste varlığı eklemeyi göz önünde bulundurun.
Tarihler, saatler veya kişilerin adları gibi iyi bilinen bir kavramı eşleştirin: Varlık veya amaç için önceden oluşturulmuş bir varlığı özellik olarak kullanın.
Zaman içinde yeni örnekler öğrenin: Varlık veya amaç için özellik olarak kavram örneklerinin bir tümcecik listesini kullanın.

Kavram için tümcecik listesi oluşturma

Tümcecik listesi, kavramı açıklayan sözcük veya tümceciklerin listesidir. Tümcecik listesi, belirteç düzeyinde büyük/küçük harfe duyarlı olmayan bir eşleşme olarak uygulanır.

Tümcecik listesi eklerken özelliği genel olarak ayarlayabilirsiniz. Genel bir özellik uygulamanın tamamı için geçerlidir.

Tümcecik listesi ne zaman kullanılır?

Luis uygulamanızın kavram için yeni öğeleri genelleştirmesi ve tanımlaması gerektiğinde tümcecik listesi kullanın. Tümcecik listeleri, etki alanına özgü sözcük dağarcığı gibidir. Amaçlar ve varlıklar için anlama kalitesini artırır.

Tümcecik listesi kullanma

Luis, tümcecik listesiyle bağlamı dikkate alır ve tam metin eşleşmesine benzeyen ancak olmayan öğeleri tanımlamak için genelleştirir. Tümcecik listesi kullanmak için şu adımları izleyin:

Makine öğrenmesi varlığıyla başlayın:
Örnek konuşmalar ekleyin.
Makine öğrenmesi varlığıyla etiketleyin.
Tümcecik listesi ekleme:
Benzer anlamlara sahip sözcükler ekleyin. Mümkün olan her sözcüğü veya tümceciği eklemeyin. Bunun yerine, aynı anda birkaç sözcük veya tümcecik ekleyin. Ardından yeniden eğitin ve yayımlayın.
Önerilen sözcükleri gözden geçirin ve ekleyin.

Tümcecik listesi için tipik bir senaryo

Bir tümcecik listesi için tipik bir senaryo, belirli bir fikirle ilgili sözcükleri artırmaktır.

Tıbbi terimler, anlamlarını artırmak için bir tümcecik listesine ihtiyaç duyabilecek iyi bir sözcük örneğidir. Bu terimler belirli fiziksel, kimyasal, terapötik veya soyut anlamlara sahip olabilir. LUIS, terimlerin tümcecik listesi olmadan konu etki alanınız için önemli olduğunu bilmez.

Örneğin, tıbbi terimleri ayıklamak için:

Örnek konuşmalar oluşturun ve bu konuşmaların içinde tıbbi terimleri etiketle.
Konu etki alanındaki terimlerin örneklerini içeren bir tümcecik listesi oluşturun. Bu tümcecik listesi, etiketlediğiniz gerçek terimi ve aynı kavramı açıklayan diğer terimleri içermelidir.
Tümcecik listesini, tümcecik listesinde kullanılan kavramı ayıklayan varlığa veya alt varlığa ekleyin. En yaygın senaryo, makine öğrenmesi varlığının bir bileşenidir (alt). Tümcecik listesinin tüm amaçlara veya varlıklara uygulanması gerekiyorsa, tümcecik listesini genel tümcecik listesi olarak işaretleyin. enabledForAllModels bayrağı API'de bu model kapsamını denetler.

Tümcecik listesi için belirteç eşleşmeleri

Tümcecik listesi her zaman belirteç düzeyinde uygulanır. Aşağıdaki tabloda , Ann sözcüğünü içeren bir tümcecik listesinin, aynı karakterlerin bu sırayla varyasyonlarına nasıl uygulandığı gösterilmektedir.

"Ann" belirteci varyasyonu	Belirteç bulunduğunda tümcecik listesi eşleşmesi
ANN aNN	Evet - belirteç Ann'dir
Ann's	Evet - belirteç Ann'dir
Anne	Hayır - belirteç Anne

Özellik olarak model başka bir modele yardımcı olur

Modeli (amaç veya varlık) başka bir modele (amaç veya varlık) özellik olarak ekleyebilirsiniz. Var olan bir amacı veya varlığı özellik olarak ekleyerek, etiketlenmiş örnekler içeren iyi tanımlanmış bir kavram eklersiniz.

Modeli özellik olarak eklerken, özelliği şu şekilde ayarlayabilirsiniz:

Gerekli. Modelin tahmin uç noktasından döndürülebilmesi için gerekli bir özellik bulunmalıdır.
Genel. Genel bir özellik uygulamanın tamamı için geçerlidir.

Bir varlığı bir amaç için özellik olarak ne zaman kullanacaksınız?

Varlığın algılanması amaç için önemli olduğunda bir varlığı amaca özellik olarak ekleyin.

Örneğin, amaç BookFlight gibi bir uçuş rezervasyonu içinse ve varlık bilet bilgileriyse (koltuk sayısı, kaynak ve hedef gibi), bilet bilgileri varlığını bulmak BookFlight amacının tahminine önemli bir ağırlık katmalıdır.

Bir varlığı başka bir varlık için özellik olarak ne zaman kullanacaksınız?

Varlığın (A) algılanması varlığın (B) tahmini için önemli olduğunda varlık (A) başka bir varlığa (B) özellik olarak eklenmelidir.

Örneğin, bir sevkiyat adresi varlığı bir sokak adresi alt varlığında yer alırsa, sokak adresi alt girdisinin bulunması sevkiyat adresi varlığı için tahmine önemli bir ağırlık ekler.

Sevkiyat adresi (makine öğrenmesi varlığı):
- Sokak numarası (altentite)
- Sokak adresi (altentite)
- Şehir (alt öğe)
- Eyalet veya İl (altentity)
- Ülke/Bölge (alt öğe)
- Posta kodu (alt öğe)

Özelliklere sahip iç içe alt varlıklar

Makine öğrenmesi alt varlığı, üst varlığa bir kavramın mevcut olduğunu gösterir. Üst öğe başka bir alt varlık veya üst varlık olabilir. Alt öğe değeri, üst öğesi için bir özellik işlevi görür.

Alt varlık, özellik olarak hem tümcecik listesine hem de modele (başka bir varlık) sahip olabilir.

Alt kategoride bir tümcecik listesi olduğunda, kavramın kelime dağarcığını artırır, ancak tahminin JSON yanıtına herhangi bir bilgi eklemez.

Alt varlık başka bir varlığın özelliğine sahip olduğunda, JSON yanıtı diğer varlığın ayıklanan verilerini içerir.

Gerekli özellikler

Modelin tahmin uç noktasından döndürülmesi için gerekli bir özelliğin bulunması gerekir. Gelen verilerinizin özellikle eşleşmesi gerektiğini biliyorsanız gerekli bir özelliği kullanın.

Konuşma metni gerekli özellikle eşleşmiyorsa ayıklanamaz.

Gerekli bir özellik makine öğrenmesi olmayan bir varlık kullanır:

Normal ifade varlığı
Liste varlığı
Önceden oluşturulmuş varlık

Modelinizin verilerde bulunacağından eminseniz, özelliği gerektiği gibi ayarlayın. Gerekli bir özellik bulunamazsa hiçbir şey döndürmez.

Sevkiyat adresi örneğine devam edin:

Sevkiyat adresi (makine öğrenmesi varlığı)

Sokak numarası (altentite)
Sokak adresi (altentite)
Sokak adı (alt öğe)
Şehir (alt öğe)
Eyalet veya İl (altentity)
Ülke/Bölge (alt öğe)
Posta kodu (alt öğe)

Önceden oluşturulmuş varlıkları kullanan gerekli özellik

Şehir, eyalet ve ülke/bölge gibi önceden oluşturulmuş varlıklar genellikle kapalı bir liste kümesidir ve bu da zaman içinde çok fazla değişmedikleri anlamına gelir. Bu varlıklar ilgili önerilen özelliklere sahip olabilir ve bu özellikler gerekli olarak işaretlenebilir. Ancak isRequired bayrağı yalnızca atandığı varlıkla ilgilidir ve hiyerarşiyi etkilemez. Önceden oluşturulmuş alt varlık özelliği bulunamazsa, bu üst varlığın algılanması ve döndürülmesi etkilenmez.

Gerekli bir özelliğe örnek olarak adresleri algılamak istediğinizi düşünün. Sokak numarasını zorunlu kılmayı düşünebilirsiniz. Bu, kullanıcının "1 Microsoft Way" veya "One Microsoft Way" girmesini sağlar ve her ikisi de sokak numarası alt varlığının "1" sayısına çözümlenir. Daha fazla bilgi için önceden oluşturulmuş varlıkmakalesine bakın.

Liste varlıklarını kullanan gerekli özellik

Liste varlığı, eş anlamlılarıyla birlikte kurallı adların listesi olarak kullanılır. Gerekli bir özellik olarak, konuşma kurallı adı veya eş anlamlıyı içermiyorsa, varlık tahmin uç noktasının bir parçası olarak döndürülemez.

Şirketinizin yalnızca sınırlı sayıda ülkeye/bölgeye gönderimi olduğunu varsayalım. Müşterinizin ülkeye/bölgeye başvurması için çeşitli yollar içeren bir liste varlığı oluşturabilirsiniz. LUIS konuşma metninde tam bir eşleşme bulamazsa, varlık (liste varlığının gerekli özelliğine sahip olan) tahminde döndürülemez.

Kurallı ad**	Eş Anlamlı Sözcükler
Birleşik Devletler	ABD ABD ABD ABD 0

Sohbet botu gibi bir istemci uygulaması yardım için bir takip sorusu sorabilir. Bu, müşterinin ülke/bölge seçiminin sınırlı ve gerekli olduğunu anlamasına yardımcı olur.

Normal ifade varlıklarını kullanan gerekli özellik

Gerekli bir özellik olarak kullanılan normal ifade varlığı zengin metin eşleştirme özellikleri sağlar.

Sevkiyat adresi örneğinde, ülke/bölge posta kodlarının söz dizimi kurallarını yakalayan normal bir ifade oluşturabilirsiniz.

Genel özellikler

En yaygın kullanım, bir özelliği belirli bir modele uygulamak olsa da, özelliği uygulamanızın tamamına uygulamak için genel bir özellik olarak yapılandırabilirsiniz.

Genel bir özellik için en yaygın kullanım, uygulamaya ek bir sözcük dağarcığı eklemektir. Örneğin, müşterileriniz birincil dil kullanıyorsa ancak aynı konuşmada başka bir dil kullanmayı bekliyorsa, ikincil dilden sözcükler içeren bir özellik ekleyebilirsiniz.

Kullanıcı herhangi bir amaç veya varlıkta ikincil dili kullanmayı beklediğinden, ikincil dilden sözcükleri tümcecik listesine ekleyin. Tümcecik listesini genel bir özellik olarak yapılandırın.

Ek avantaj için özellikleri birleştirme

Bir özelliği veya kavramı açıklamak için birden fazla özellik kullanabilirsiniz. Yaygın bir eşleştirme şu şekilde kullanılır:

Tümcecik listesi özelliği: Aynı modelde özellik olarak birden çok tümcecik listesi kullanabilirsiniz.
Özellik olarak model: önceden oluşturulmuş varlık, normal ifade varlığı, liste varlığı.

Örnek: Seyahat uygulaması için bilet rezervasyonu varlık özellikleri

Temel bir örnek olarak, uçuş rezervasyonu amacı ve bilet rezervasyonu varlığı olan bir uçuş rezervasyonu için bir uygulama düşünün. Bilet rezervasyon varlığı, rezervasyon sisteminde uçak bileti rezervasyonu yapma bilgilerini yakalar.

Ticket-book için makine öğrenmesi varlığı, kaynağı ve hedefi yakalamak için iki alt varlık içerir. Özelliklerin üst düzey varlığa değil her alt varlığa eklenmesi gerekir.

Bilet ayırma varlığı, Kaynak ve Hedef gibi alt varlıklara sahip bir makine öğrenmesi varlığıdır. Bu alt varlıkların her ikisi de coğrafi konumu gösterir. Konumları ayıklamaya ve Kaynak ile Hedef arasında ayrım yapmaya yardımcı olmak için her alt dizinin özellikleri olmalıdır.

Tür	Kaynak alt türü	Hedef alt varlık
Özellik olarak model oluşturma	geographyV2 önceden oluşturulmuş varlık	geographyV2 önceden oluşturulmuş varlık
Tümcecik listesi	Kaynak sözcükler : başlangıç, başlangıç, ayrılma	Hedef sözcükler : hedef, varmak, inmek, gitmek, gitmek, kalmak, başlık
Tümcecik listesi	Havaalanı kodları - hem kaynak hem de hedef için aynı liste	Havaalanı kodları - hem kaynak hem de hedef için aynı liste
Tümcecik listesi	Havaalanı adları - hem kaynak hem de hedef için aynı liste	Havaalanı kodları - hem kaynak hem de hedef için aynı liste

İnsanların havaalanı kodlarını ve havaalanı adlarını kullandığını düşünüyorsanız LUIS'in her iki tümcecik türünü de kullanan tümcecik listeleri olmalıdır. Havaalanı kodları sohbet botunda girilen metinlerde daha yaygın olabilirken, havaalanı adları konuşma özellikli sohbet botu gibi konuşulan konuşmalarda daha yaygın olabilir.

Özelliklerin eşleşen ayrıntıları yalnızca modeller için döndürülür, tümcecik listeleri için döndürülür çünkü tahmin JSON'unda yalnızca modeller döndürülür.

Amaçta bilet rezervasyonu etiketleme

Makine öğrenmesi varlığını oluşturduktan sonra, bir amaca örnek konuşmalar eklemeniz ve üst varlığı ve tüm alt varlıkları etiketlemeniz gerekir.

Bilet ayırma örneği için, amaçtaki örnek konuşmaları TicketBooking varlığı ve metindeki tüm alt varlıklarla etiketle.

Örnek: pizza sipariş uygulaması

İkinci bir örnek için, birinin sipariş ettiği pizza türünün ayrıntılarını içeren pizza siparişleri alan bir pizza restoranı uygulamasını düşünün. Sipariş işlemeyi tamamlamak için mümkünse pizzanın her ayrıntısı ayıklanmalıdır.

Bu örnekteki makine öğrenmesi varlığı iç içe alt varlıklar, tümcecik listeleri, önceden oluşturulmuş varlıklar ve özel varlıklar ile daha karmaşıktır.

Bu örnekte alt varlık düzeyinde ve alt varlık düzeyindeki özellikler kullanılır. Özellik olarak ne tür bir tümcecik listesi veya modeli elde eden düzey, varlık tasarımınızın önemli bir parçasıdır.

Alt varlıkların varlığı algılamaya yardımcı olan özellikler olarak birçok tümcecik listesi olsa da, her alt varlığın özellik olarak yalnızca bir modeli vardır. Bu pizza uygulamasında bu modeller öncelikli olarak liste halindedir.

Doğru etiketlenmiş örnek konuşmalar, varlıkların nasıl iç içe yerleştirilmiş olduğunu gösterecek şekilde görüntülenir.