将对话语言理解服务与 Language Studio 配合使用

我们越来越希望计算机能够使用 AI 来理解口述或键入的自然语言命令。例如，你可能希望家庭自动化系统使用语音命令（如“打开灯”或“将风扇打开”）来控制家庭中的设备。 AI 支持的设备可以理解这些命令并采取适当的行动。

在本练习中，你将使用 Language Studio 来创建和测试一个用于向灯或风扇等设备发送指令的项目。你将使用对话语言理解服务的功能来配置项目。

创建“语言”资源**

你可以将许多 Azure AI 语言功能与语言资源或 Azure AI 服务**** 资源配合使用。在某些情况下，只能使用语言资源。对于下面的练习，我们将使用语言** 资源。如果尚未这样做，可在 Azure 订阅中创建“语言”资源**。

在另一个浏览器标签页中，打开 Azure 门户 (https://portal.azure.com)，并使用与 Azure 订阅关联的 Microsoft 帐户登录。
单击“＋创建资源”按钮，然后搜索“语言服务”**。选择创建“语言服务”计划**。你将转到相应页面以“选择其他功能”。保留默认选择，然后单击“继续创建资源”**。
在“创建语言”** 页面上，使用以下设置对其进行配置：
- 订阅：Azure 订阅。
- 资源组：选择或创建具有唯一名称的资源组。
- 区域**：选择离你最近的地理区域。如果在美国东部，请使用“美国东部 2”。
- 名称：输入唯一名称。
- 定价层：“免费 F0”或“S”（如果“免费 F0”不可用）**
- “选中此框即表示我确认我已阅读并理解以下所有条款”**：“已选择”。
依次选择“查看 + 创建”和“创建”，然后等待部署完成****。

创建对话语言理解应用程序

若要使用对话语言理解功能实现自然语言理解，请创建一个应用；然后添加实体、意图和言语来定义想要应用执行的命令。

在新的浏览器标签页中，打开“Language Studio”门户 (https://language.azure.com)，然后使用与 Azure 订阅关联的 Microsoft 帐户登录。
如果系统提示选择语言资源，请选择以下设置：
- “Azure 目录”**：包含订阅的 Azure 目录。
- Azure 订阅：你的 Azure 订阅。
- “语言资源”**：先前创建的语言资源。
如果系统未提示你选择语言资源，原因可能是订阅中有多个语言资源；在这种情况下，你应该：
1. 在页面顶部的栏中，选择“设置(⚙)”**。
2. 在“设置”页上，查看“资源”选项卡。
3. 选择刚刚创建的语言资源，然后选择“切换资源”**。
4. 在页面顶部，选择“Language Studio”** 以返回到 Language Studio 主页。
在门户顶部的“新建”菜单中，选择“对话语言理解”。
在“创建项目”对话框的“输入基本信息”页面上，输入以下详细信息，然后选择“下一步”****：
- 名称：创建唯一名称
- “语句主要语言”**：英语
- 在项目中启用多种语言： 不选择
- 说明：Simple home automation
提示：记下项目名称，以便稍后使用**。
在“查看并完成”页上，选择“创建标签” 。

创建意图、言语和实体

意向是你想要执行的操作；例如，你可能需要开灯或关闭风扇。在这种情况下，将定义两个意向：一个打开设备，另一个关闭设备。对于每个意向，都要指定示例言语来表明用于指示意向的语言类型。

在“架构定义”窗格中，确保选中“意图”。然后选择“添加”，并添加名为“switch_on”（小写）的意图，最后选择“添加意图”******。
选择“switch_on”意图。你将转到“数据标签”页。在“意向”下拉列表中，选择“switch_on” 。在“switch_on”意图旁边，键入语句“turn the light on”，然后按 Enter，将此语句提交到列表中****。
语言服务需要为每个意向提供至少五个不同的语句示例，以便充分训练语言模型。将其他五个言语示例添加到“switch_on”意图：
- switch on the fan
- put the fan on
- put the light on
- switch on the light
- turn the fan on
在屏幕右侧的“标记用于训练的实体”窗格上选择“标签”，然后选择“添加实体”。键入“device”（小写），选择“列表”，然后选择“添加实体”****。
在“turn the fan on”语句中，突出显示“fan”一词。然后在出现的列表中，在“搜索实体”框中选择“device”。

对所有言语执行相同的操作。使用设备实体标记其余“fan”（风扇）或“light”（灯）言语。完成后，请验证是否具有以下言语，并且请务必选择“保存更改”：

意向	语句	实体
switch_on	Put on the fan	设备 - 选择风扇
switch_on	Put on the light	设备 - 选择灯
switch_on	Switch on the light	设备 - 选择灯
switch_on	Turn the fan on	设备 - 选择风扇
switch_on	Switch on the fan	设备 - 选择风扇
switch_on	Turn the light on	设备 - 选择灯

完成后，选择“保存更改”。

在左侧窗格中，选择“架构定义”并验证是否列出了“switch_on”意图**。然后选择“添加”并添加一个名为“switch_off”（小写）的新意图。**
选择“switch_off”意图。** 你将转到“数据标签”页。在“意向”下拉列表中，选择“switch_off” 。在“switch_off”意图旁边，添加语句“turn the light off”**。
将其他五个语句示例添加到“switch_off”意图。
- switch off the fan
- put the fan off
- put the light off
- turn off the light
- switch the fan off

使用设备实体标记字词“light”（灯）或“fan”（风扇）。完成后，请验证是否具有以下言语，并且请务必选择“保存更改”：

意向	语句	实体
switch_off	Put the fan off	设备 - 选择风扇
switch_off	Put the light off	设备 - 选择灯
switch_off	Turn off the light	设备 - 选择灯
switch_off	Switch the fan off	设备 - 选择风扇
switch_off	Switch off the fan	设备 - 选择风扇
switch_off	Turn the light off	设备 - 选择灯

定型模型

现在，可以使用定义的意图和实体来为应用程序训练对话语言模型。

在 Language Studio 的左侧，选择“训练作业”，然后选择“开始训练作业”。使用以下设置：
- 训练新模型：已选择并选择模型名称
- 训练模式：标准训练（免费）
- 数据拆分：选择“从训练数据中自动拆分测试集”，保留默认百分比
- 选择页面底部的“训练”**。
等待训练完成。

部署并测试模型

若要在客户端应用程序中使用训练的模型，必须将其部署为终结点，客户端应用程序将能够向其发送新言语，并且可通过该终结点预测意向和实体。

在 Language Studio 的左侧，选择“部署模型”**。
选择模型名称，然后选择“添加部署”**。使用以下设置：
- 创建或选择现有部署名称：选择“创建新的部署名称”。添加唯一名称。
- 将经过训练的模型分配到部署名称：选择经过训练的模型名称。
- 选择“部署”**
提示：记下部署名称，以便稍后使用**。
部署模型后，选择页面左侧的“测试部署”，然后在“部署名称”下选择自己的已部署模型****。
输入以下文本，然后选择“运行测试”：

switch the light on

查看返回的结果，注意它包含预测意向（哪些应该是 switch_on）和预测实体（设备），其置信度分数表示该模型所计算的预测意向和实体计算的概率。 “JSON”选项卡显示每个潜在意向的对比置信度（置信度分数最高的潜在意向就是预测意向）
清除文本框，并在“输入自己的文本或上传文本文档”下使用以下语句测试模型：
- turn off the fan
- put the light on
- put the fan off

现已成功配置对话语言项目，并定义了实体、意图和语句。你已了解如何在 Language Studio 中训练和部署模型。你已使用自己定义的两个语句进行尝试，还使用了一些你未明确定义但模型能够确定的语句。

注意**：对话语言理解提供了解读输入意图的智能；它不执行任何操作，如打开灯或风扇。开发人员需要生成一个应用程序，由该应用程序使用对话语言理解模型来确定用户的意图，然后自动执行相应的操作。

清理

如果不打算做更多的练习，请删除任何不再需要的资源。这可以避免产生任何不必要的成本。

打开 Azure 门户，然后选择包含你所创建的资源的资源组。 1. 选择该资源并选择“删除”，然后选择“是”以**** 进行确认。这样便会删除该资源。

了解详细信息

该应用只显示了语言服务的对话语言理解的部分功能。要详细了解此服务的用途，请参阅“对话语言理解”页。