交談語言理解是什麼？
對話式語言理解是 Azure AI 語言所提供的其中一項自訂功能。 該功能是一種應用機器學習智慧的雲端式 API 服務，以便您建置端對端交談應用程式中使用的自然語言理解元件。
交談語言理解 (CLU) 可讓使用者建置自訂的自然語言理解模型，以便預測所收到語句的整體意圖，並從中擷取重要資訊。 CLU 僅提供有助了解用戶端應用程式輸入文字的相關智慧，而不會執行任何動作。 開發人員可建立 CLU 專案，反復標記語句、定型及評估模型效能，再讓模型可供使用。 已標示資料的品質會大幅影響模型效能。 為了簡化模型的建立和自訂，服務提供可透過 Language 工作室存取的自訂入口網站。 您可以遵循本快速入門中的步驟，輕鬆地開始使用服務。
此文件包含下列文章類型：
使用案例範例
CLU 可用於各產業的多種案例。 部份範例如下：
端對端交談 Bot
根據特定領域和預期的使用者語句，使用 CLU 建置和定型自訂的自然語言理解模型。 將其整合任何端對端的交談 Bot，以便即時處理和分析收到的文字、識別文字意圖，並從中擷取重要資訊。 您可讓 Bot 根據意圖和擷取資訊來執行所需動作。 例如：線上購物或訂購食物所用的自訂零售 Bot。
人類助理 Bot
人類助理 Bot 的其中一個範例，便是協助員工將客戶查詢分級，並指派給適當的支援工程師，以改善客戶參與度。 另一個範例則是企業中的人力資源 Bot，可讓員工以自然語言溝通，並根據查詢接收指引。
命令和控制應用程式
當您將用戶端應用程式與語音轉換文字元件整合時，使用者可以以自然語言說出命令，讓 CLU 能夠處理、識別意圖，以及從用戶端應用程式的文字中擷取資訊來執行動作。 此使用案例有許多應用程式，例如停止、播放、快轉和倒轉歌曲、開啟或關閉燈光等。
企業聊天機器人
在大型企業中，企業聊天機器人可以處理各種員工事務。 該 Bot 可處理自訂問題解答知識庫所提供的常見問題、交談語言理解所提供的行事曆特定技能，以及 LUIS 所提供的訪談意見反應技能。 使用協調流程工作流程串連以上這些技能，並將收到的要求適當路由傳送至正確的服務。
專案開發生命週期
建立 CLU 專案時通常包含幾個不同步驟。
遵循下列步驟以充分運用您的模型：
定義結構描述：了解您的資料，並定義必須從使用者輸入語句中辨識的動作和相關資訊。 在此步驟中，您會建立要指派給使用者語句的意圖，以及要擷取的相關實體。
標記您的資料：資料標記的品質是決定模型效能的關鍵因素。
定型模型：您的模型會從已標示資料開始學習。
檢視模型的效能：檢視模型的評估詳細資料，以判斷引進新資料時所執行的程度。
改善模型：在檢閱模型效能之後，您就能了解如何改善模型。
部署模型：部署模型以便透過執行階段 API 使用。
預測意圖和實體：使用自訂模型，從使用者的語句預測意圖和實體。
參考文件和程式碼範例
使用 CLU 時，請參閱下列適用于 Azure AI 語言的參考檔和範例：
| 開發選項/語言 | 參考文件 | 範例 |
|---|---|---|
| REST API (撰寫) | REST API 文件 (英文) | |
| REST API (執行階段) | REST API 文件 (英文) | |
| C# (執行階段) | C# 文件 | C# 範例 |
| Python (執行階段) | Python 文件 | Python 範例 |
負責任的 AI
AI 系統不僅包含技術，也包含使用該技術的人員、受其影響的人員及部署的環境。 閱讀 CLU 的透明度資訊，了解在系統中負責任 AI 的使用和部署資訊。 如需詳細資訊，您也可以參閱下列文章：