Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Wichtig
Nicht englische Übersetzungen werden nur zur Bequemlichkeit bereitgestellt. Bitte konsultieren Sie die EN-US Version dieses Dokuments für die endgültige Version.
Was ist eine Transparenznotiz?
Ein KI-System umfasst nicht nur die Technologie, sondern auch die Personen, die es nutzen werden, die Menschen, die davon betroffen sind, und die Umgebung, in der sie bereitgestellt wird. Die Erstellung eines Systems, das für den vorgesehenen Zweck geeignet ist, erfordert ein Verständnis der Funktionsweise der Technologie, ihrer Fähigkeiten und Einschränkungen und derEn Erreichung der besten Leistung. Microsoft Transparenzhinweise sollen Ihnen helfen, zu verstehen, wie unsere KI-Technologie funktioniert, welche Entscheidungen Systembesitzer treffen können, die die Systemleistung und das Verhalten beeinflussen, und wie wichtig es ist, das gesamte System zu berücksichtigen, einschließlich der Menschen, der Technologie und der Umgebung. Sie können Transparenzhinweise verwenden, wenn Sie Ihr eigenes System entwickeln oder bereitstellen, oder sie mit den Personen teilen, die ihr System verwenden oder davon betroffen sind.
Microsoft Transparenzhinweise sind Teil eines umfassenderen Aufwands für Microsoft, unsere KI-Prinzipien in die Praxis umzusetzen. Um mehr zu erfahren, besuchen Sie die Microsoft KI-Prinzipien.
Einführung in das Verständnis der Umgangssprache
Conversational language understanding (CLU) ist ein cloudbasiertes API-Feature, das benutzerdefiniertes maschinelles Lernen auf Microsoft Turing-Technologien auf den Text in natürlicher Sprache eines Benutzers anwendet. Sie prognostiziert die gesamte Bedeutung eines Eingabetexts und zieht bestimmte Informationen daraus heraus. CLU muss in eine Clientanwendung integriert werden, bei der es sich um eine beliebige Unterhaltungsanwendung handeln kann, die mit einem Benutzer in natürlicher Sprache kommuniziert, um eine Aufgabe abzuschließen. Die häufigste Clientanwendung ist ein Chat-Bot.
Clientanwendungen verwenden die von CLU zurückgegebene Ausgabe, um eine Entscheidung zu treffen oder eine Aktion auszuführen, um die Anforderungen des Benutzers zu erfüllen. Beispielsweise gibt ein Benutzer "Ich möchte eine Pizza bestellen" in einem Chat-Bot ein, der zur Interpretation an CLU gesendet wird. CLU analysiert den Eingabetext und gibt seine Interpretation in einem Formular zurück, das vom Chat-Bot verarbeitet werden kann. CLU verknüpft den Eingabetext mit einer vorkonfigurierten Aktion, um die Pizza für den Benutzer zu bestellen. CLU bietet nur die Intelligenz, um den Eingabetext für die Clientanwendung zu verstehen und führt keine Aktionen aus. CLU wird nicht nur in mehreren Sprachen unterstützt, sondern unterstützt auch mehrsprachige Projekte. Erfahren Sie mehr über Mehrsprachigkeit.
Grundlagen des Sprachverständnisses für Unterhaltungen
Konversationssprachverstehen (Conversational Language Understanding, CLU) wird als Teil der benutzerdefinierten Funktionen innerhalb der Azure Language in Foundry Tools angeboten. Dieses Feature ist eine Komponente für natürliches Sprachverständnis in einer End-to-End-Unterhaltungsanwendung, die die allgemeine Absicht eines eingehenden Texts vorhersagt und wichtige Informationen daraus extrahiert. Durch das Erstellen eines CLU-Projekts können Entwickler Daten iterativ kategorisieren, trainieren, bewerten und die Modellleistung verbessern, bevor sie sie für den Verbrauch verfügbar machen.
Benutzer des Diensts müssen Schulungsdaten bereitstellen und bezeichnen, die für die Domäne der erstellten Clientanwendung relevant sind. Die Qualität der bereitgestellten Schulungsdaten ist wichtig und muss mit der erwarteten Benutzereingabe vergleichbar sein. Benutzer können auch verschiedene benutzerdefinierte Funktionen miteinander verbinden, einschließlich anderer CLU-Projekte, benutzerdefinierter Frageantwort-Wissensdatenbanken und LUIS-Anwendungen , die das Feature "Orchestrierungsworkflow" in CLU verwenden. Die Sprache bietet ein Webportal, Language Studio, um die Anpassung für Domänenexperten und nicht technische Benutzer zu vereinfachen. Machen Sie sich mit dem Feature vertraut, indem Sie die Schritte in dieser Schnellstartanleitung befolgen.
Weitere Informationen finden Sie unter:
- Erstellen eines neuen CLU-Projekts
- Erstellen Sie das Schema Ihres Projekts, um Benutzerabsichten zu bestimmen und Daten zu extrahieren.
- Verbinden mehrerer Features in einem Orchestration-Workflowprojekt
Terminologie für konversationelles Sprachverständnis
Die folgenden Begriffe werden häufig in CLU verwendet.
| Begriff | Definition |
|---|---|
| Projekt | Ein Projekt ist ein Arbeitsbereich zum Erstellen ihrer benutzerdefinierten ML-Modelle basierend auf Ihren Daten. Innerhalb eines Projekts können Sie Daten markieren, Modelle erstellen, diese bei Bedarf auswerten und verbessern und schließlich ein Modell bereitstellen, um für den Verbrauch bereit zu sein. |
| Äußerungen | Äußerungen sind der Eingabetext eines Benutzers, den CLU interpretieren muss. Entwickler fügen Beispiel-Äußerungen als Schulungsdaten hinzu und markieren sie mit den Absichten und Entitäten, um das Modell zu trainieren. "Ich möchte beispielsweise eine große Käsepizza bestellen" wäre ein Beispiel für die Äußerung in einem Modell, das Pizza bestellt. |
| Absichten | Absichten sind Aufgaben oder Aktionen, die der Benutzer ausführen möchte. Absichtsmodelle verstehen und klassifizieren die Allgemeine Bedeutung und Absicht eines Eingabetexts. Entwickler definieren eine Gruppe von Absichten, um eine Aktion auszulösen, die Benutzer in der Clientanwendung ausführen möchten. Beispielsweise können Absichten in einem Modell, das Pizza bestellt, "Bestellung erstellen", "Bestellung bearbeiten" oder "Bestellung stornieren" sein. Weitere Informationen |
| Entitäten | Entitäten stellen ein Wort oder einen Ausdruck in einer Äußerung dar, die für die Absicht des Benutzers relevant ist. Entitätsmodelle extrahieren unterschiedliche Entitätstypen, wie von Entwicklern definiert. In der Beispiel-Äußerung "Ich möchte eine große Käsepizza bestellen", könnten Entwickler eine "Größe"-Entität definieren, um "groß" und eine "Typ"-Entität zu extrahieren, um "Käse" aus der Äußerung zu extrahieren. Entwickler definieren Entitäten zum Extrahieren von Schlüsseldaten aus Benutzerausdrücke in CLU-Modellen. Wenn Entwickler ein CLU-Modell erstellen, markieren sie ein Wort oder mehrere Wörter, die in den Beispieltexten mit einer bestimmten Entität extrahiert werden sollen. Weitere Informationen |
Beispielanwendungsfälle
CLU kann in mehreren Szenarien in einer Vielzahl von Branchen verwendet werden. Einige Beispiele sind:
- End-to-End-Konversations-Bot. Verwenden Sie CLU, um ein benutzerdefiniertes Verständnismodell für natürliche Sprache basierend auf einer bestimmten Domäne und den erwarteten Äußerungen der Benutzer zu erstellen und zu trainieren. Integrieren Sie ihn in jeden End-to-End-Unterhaltungs-Bot, damit er eingehenden Text in Echtzeit verarbeiten und analysieren kann, um die Absicht des Texts zu identifizieren und wichtige Informationen daraus zu extrahieren. Lassen Sie den Bot die gewünschte Aktion basierend auf der Absicht und den extrahierten Informationen ausführen. Ein Beispiel wäre ein angepasster Einzelhandelsbot für Online-Shopping oder Lebensmittelbestellungen.
- Humanoide Assistenten-Bots Ein Beispiel für einen Assistenz-Bot ist die Verbesserung der Kundeninteraktionen durch die Kategorisierung von Kundenanfragen und deren Zuweisung an den entsprechenden Support-Ingenieur. Ein weiteres Beispiel wäre ein Personal-Bot in einem Unternehmen, mit dem Mitarbeiter basierend auf der Abfrage in natürlicher Sprache kommunizieren und Anleitungen erhalten können.
- Befehls- und Steuerungsanwendung. Wenn Sie eine Clientanwendung mit einer Spracherkennungs-Komponente integrieren, können Benutzer einen Befehl in natürlicher Sprache an CLU sprechen, damit Absichten identifiziert und Informationen aus dem gesprochenen Text extrahiert werden können, um eine Aktion in der Clientanwendung auszuführen. In diesem Anwendungsfall gibt es viele Anwendungen, z. B. zum Beenden, Wiedergeben, Weiterleiten und Zurückspulen eines Liedes oder Zum Ein- oder Ausschalten von Lichtern.
- Enterprise-Chat-Bot. In einem großen Unternehmen kann ein Unternehmenschat-Bot eine Vielzahl von Mitarbeiterangelegenheiten behandeln. Es kann möglicherweise häufig gestellte Fragen behandeln, die von einer benutzerdefinierten Frage-Antwort-Wissensdatenbank bereitgestellt werden, eine kalenderspezifische Fähigkeit, die durch ein unterhaltungssprachliches Verständnis ermöglicht wird, und eine von LUIS bereitgestellte Fähigkeit zur Interview-Rückmeldung. Verwenden Sie den Orchestrierungsworkflow, um alle diese Fähigkeiten miteinander zu verbinden und die eingehenden Anforderungen entsprechend an den richtigen Dienst weiterzuleiten.
Berücksichtigen, wenn Sie einen Anwendungsfall auswählen
- Vermeiden Sie die Verwendung von CLU für Entscheidungen, die schwerwiegende nachteilige Auswirkungen haben könnten. Beispielsweise kann das Vorschlagen von Medikamenten oder Diagnosen, da der Rat eines Arztes ersetzt wird, schwerwiegende nachteilige Auswirkungen haben.
- Vermeiden Sie das Erstellen von benutzerdefinierten Entitäten, die unnötige oder vertrauliche Informationen extrahieren. Es liegt in Ihrer Verantwortung, sicherzustellen, dass die erstellten Entitäten nur die erforderlichen Informationen für Ihr End-to-End-Szenario extrahieren. Vermeiden Sie das Extrahieren vertraulicher Benutzerinformationen, wenn sie für Ihr Szenario nicht erforderlich ist. Wenn Ihr Szenario z. B. das Extrahieren der Stadt und Region Ihres Benutzers erfordert, erstellen Sie Entitäten, die nur die Stadt und das Land/die Region aus der Adresse eines Benutzers extrahieren. Erstellen Sie keins, das ihre vollständige Adresse extrahiert. Um sicherzustellen, dass Ihr Modell inklusiv ist, stellen Sie sicher, dass Sie eine Vielzahl von Städten, Ländern/Regionen und Adressformaten innerhalb Ihrer Schulungsdaten darstellen (z. B. Äußerungen).
- Rechtliche und behördliche Überlegungen: Organisationen müssen potenzielle spezifische rechtliche und behördliche Verpflichtungen bewerten, wenn Sie Foundry Tools und Lösungen verwenden, die möglicherweise nicht für die Verwendung in jeder Branche oder in jedem Szenario geeignet sind. Darüber hinaus sind Foundry Tools oder Lösungen nicht für sie ausgelegt und dürfen nicht auf eine Weise verwendet werden, die in anwendbaren Nutzungsbedingungen und relevanten Verhaltensregeln verboten ist.