實體類型
重要
LUIS 將於 2025 年 10 月 1 日淘汰，而自 2023 年 4 月 1 日開始，您將無法建立新的 LUIS 資源。 建議移轉 LUIS 應用程式至交談語言理解，以繼續享有產品支援和多重語言功能的好處。
實體是與使用者意圖相關的項目或元素。 實體會定義可從表達中擷取的資料，而且對於完成使用者的必要動作而言不可或缺。 例如：
| 表達 | 預測的意圖 | 已找出實體 | 說明 |
|---|---|---|---|
| 哈囉，您好嗎？ | 問候 | - | 未找出任何項目。 |
| 我想要訂購一份小披薩 | orderPizza | 'small' | 擷取的 'Size' 實體為 'small'。 |
| 關閉臥室電燈 | turnOff | 'bedroom' | 擷取的 'Room' 實體為 'bedroom'。 |
| 查看尾碼為 4406 的存款帳戶餘額 | checkBalance | 'savings'、'4406' | 擷取的 'accountType' 實體為 'savings'，而擷取的 'accountNumber' 實體為 '4406'。 |
| 購買 3 張到紐約的機票 | buyTickets | '3'、'New York' | 擷取的 'ticketsCount' 實體為 '3'，而擷取的 'Destination' 實體為 'New York'。 |
實體是選擇性的，但建議使用。 您不需要為應用程式中的每個概念建立實體，只需在下列情況下建立：
- 用戶端應用程式需要資料，或
- 實體要作為另一個實體或意圖的提示或訊號。 若要深入了解如何以實體作為特徵，請移至以實體作為特徵。
實體類型
若要建立實體，您必須指定其名稱和類型。 LUIS 中有數種類型的實體。
清單實體
清單實體代表一組固定的封閉式相關字組及其同義字。 您可以使用清單實體辨識多個同義字或變化，然後擷取其標準化輸出。 使用 [建議] 選項，以根據目前的清單查看適用於新字組的建議。
清單實體未採用機器學習，這表示 LUIS 不會探索清單實體的其他值。 LUIS 會將與任何清單中項目相符的項目，在回應中標示為實體。
比對清單實體會區分大小寫，且必須完全相符。 當符合清單實體時，也會使用標準化值。 例如：
| 標準化值 | 同義字 |
|---|---|
| 小型 | sm, sml, tiny, smallest |
| 中 | md, mdm, regular, average, middle |
| 大型 | lg, lrg, big |
如需詳細資訊，請參閱清單實體參考文章。
RegEx 實體
規則則運算式實體會根據您所提供的規則運算式模式來擷取實體。 這會忽略大小寫並忽略文化特性變體。 規則運算式實體最適合用於結構化文字，或是預先定義之一連串必須採用特定格式的英數值。 例如：
| 實體 | 規則運算式 | 範例 |
|---|---|---|
| 航班編號 | flight [A-Z]{2} [0-9]{4} |
flight AS 1234 |
| 信用卡號碼 | [0-9]{16} |
5478789865437632 |
如需詳細資訊，請參閱 RegEx 實體參考文章。
預先建置的實體
LUIS 包含一組預先建置的實體，用於辨識常見的資訊類型，例如日期、時間、數字、計量及貨幣。 預先建置的實體支援會因 LUIS 應用程式的文化特性而異。 如需 LUIS 所支援預先建置實體的完整清單，包括文化特性支援的實體在內，請參閱預先建置的實體參考。
當應用程式中包含預先建置的實體時，其預測會包含在已發佈的應用程式中。 預先建置實體的行為已預先定型且無法修改。
| 預建實體 | 範例值 |
|---|---|
| PersonName | James、Bill、Tom |
| DatetimeV2 | 2019-05-02, May 2nd, 8am on May 2nd 2019 |
如需詳細資訊，請參閱預建實體參考文章。
Pattern.Any 實體
Pattern.Any 實體是僅用於模式範本表達的可變長度預留位置，用來標記實體開始及結束的位置。 其遵循特定規則或模式，最適用於具有固定語彙結構的句子。 例如：
| 範例語句 | 模式 | 實體 |
|---|---|---|
| 我可以點一份漢堡嗎？ | Can I have a {meal} [please][?] |
漢堡 |
| 我可以點一份披薩嗎？ | Can I have a {meal} [please][?] |
披薩 |
| 哪裡可以找到《大亨小傳》？ | Where can I find {bookName}? |
大亨小傳 |
如需詳細資訊，請參閱 Pattern.Any 實體參考文章。
已採用機器學習 (ML) 的實體
已採用機器學習的實體會使用內容，根據標記的範例來擷取實體。 這是慣用於建置 LUIS 應用程式的實體。 其依賴機器學習演算法，並需要為您的應用程式成功量身訂做標記。 使用 ML 實體可識別不一定正確格式化但具有相同意義的資料。
| 範例語句 | 已擷取的「產品」實體 |
|---|---|
| 我想要買一本書。 | 'book' |
| 我可以買這些鞋嗎？ | 'shoes' |
| 將這些短褲新增至我的購物籃。 | 'shorts' |
如需詳細資訊，請參閱機器學習的實體。
具有結構的 ML 實體
ML 實體可以由較小的子實體組成，每個實體都可以有自己的屬性。 例如，Address實體可能具有下列結構：
- 地址：4567 Main Street, NY, 98052, USA
- 門牌號碼：4567
- 街道名稱：Main Street
- 州：NY
- 郵遞區號：98052
- 國家/地區：USA
建置有效的 ML 實體
若要有效建置採用機器學習的實體，請遵循下列最佳做法：
- 如果您有採用機器學習並包含子實體的實體，請確定不同順序和變化的實體和子實體會呈現在標記的表達中。 標記的範例表達應包含所有有效格式，並包含表達中出現和缺少的實體，同時也會在表達中重新排序。
- 請避免將實體過度擬合為固定的集合。 當模型未妥善一般化時，就會發生過度擬合，這是機器學習模型中的常見問題。 這表示應用程式無法適當地處理新的範例類型。 接著，您應該改變標記的範例表達，讓應用程式可以超過您提供的有限範例進行一般化。
- 您的標記應在不同的意圖之間保持一致。 這甚至包括您在包含此實體的 None 意圖中提供的表達。 否則，模型將無法有效判斷順序。
以實體作為特徵
實體的另一項重要功能是可作為其他意圖或實體的特徵或顯著特徵，讓您的系統觀察並透過這些實體學習。
以實體作為意圖的特徵
您可以使用實體作為意圖的訊號。 例如，表達中的特定實體是否存在，可以區別其所屬的意圖。
| 範例語句 | 實體 | Intent |
|---|---|---|
| 替我預訂「到紐約的航班」。 | City | 預訂航班 |
| 替我預訂「主要會議室」。 | 會議室 | 預訂房間 |
以實體作為其他實體的特徵
您也可以使用實體作為其他實體是否存在的指標。 其中一個常見的範例是使用預建實體作為另一個 ML 實體的特徵。 如果您正在建置航班預訂系統，而且您的表達看起來像「替我預訂從開羅到西雅圖的航班」，您可能會有「出發城市」和「目的地城市」作為 ML 實體。 建議使用預建的 GeographyV2 實體作為這兩個實體的特徵。
如需詳細資訊，請參閱 GeographyV2 實體參考文章。
您也可以使用實體作為其他實體的必要特徵。 這有助於解析已擷取的實體。 例如，如果您要建立披薩訂購應用程式，而且您有 Size ML 實體，則可建立 SizeList 清單實體，並以其作為 Size 實體的必要特徵。 您的應用程式將會從表達傳回標準化值作為擷取的實體。
如需詳細資訊，請參閱特徵；若要深入了解您文化特性中可用的預建實體解析，請參閱預建實體。
來自實體的資料
大多數聊天機器人和應用程式都不僅僅只是需要意圖名稱。 這個額外的選擇性資料來自在語句中探索到的實體。 每個類型的實體會傳回與比對相關的不同資訊。
語句中的單一單字或片語可能會與多個實體相符。 在該情況下，系統會傳回每個相符的實體及其分數。
所有實體都會在端點回應的實體陣列中傳回
實體最佳做法
使用機器學習實體
機器學習實體是針對您的應用程式量身打造的，且需要加上標籤才能成功。 如果您使用的不是機器學習實體，您使用的可能是錯誤的實體。
機器學習實體可以使用其他實體作為特徵。 這些其他實體可以是自訂實體 (例如規則運算式實體或清單實體)，或者您可以使用預先建置的實體作為特徵。
了解有效的機器學習實體。