Краткое руководство: Понимание разговорного языка

Предварительные условия

• Подписка Azure. Если у вас его нет, его можно создать бесплатно.

• Необходимые разрешения. Убедитесь, что лицу, создающему учетную запись и проект, назначена роль владельца учетной записи Foundry на уровне подписки. В качестве альтернативы наличие роли Contributor или Cognitive Services Contributor на уровне подписки также удовлетворяет этому требованию. Дополнительные сведения см. в разделе"Управление доступом на основе ролей" (RBAC).

  Important

  Недавно были переименованы роли RBAC в Foundry. Foundry User, Foundry Owner, Foundry Account Owner и Foundry Project Manager ранее назывались пользователь Azure AI, владелец Azure AI, владелец учетной записи Azure AI и руководитель проекта Azure AI. Пока новое название внедряется, в некоторых местах вы всё ещё можете видеть прежние названия. Идентификаторы ролей и основные разрешения не меняются из-за переименования.

• Ресурс Foundry. Дополнительные сведения см. в разделе"Настройка ресурса Foundry". Кроме того, можно использовать ресурс языка.

• Проект Foundry, созданный в Foundry. Дополнительные сведения см. в разделе"Создание проекта Foundry".

Начало работы с Foundry

Чтобы выполнить это краткое руководство, вам потребуется проект задачи тонкой настройки Conversational Распознавание речи (CLU), включающий определённую схему и размеченные высказывания.

Вы можете скачать наш пример файла проекта, который уже содержит и схему, и размеченные высказывания. Этот проект позволяет прогнозировать намерение пользователя для таких команд, как чтение сообщений электронной почты, удаление сообщений электронной почты и вложение документов в сообщения электронной почты.

Начнем:

1. Перейдите в Литейную.
2. Если вы еще не вошли, на портале появится запрос на использование учетных данных Azure.
3. После входа вы можете создать или получить доступ к существующим проектам в Foundry.
4. Если вы еще не находитесь в проекте для этой задачи, выберите его.
5. На левой боковой панели навигации выберите "Игровые площадки", перейдите на плитку "Языковая площадка" и нажмите кнопку "Попробовать языковую площадку Azure ".

Попробуйте использовать языковую площадку Azure

В верхней части игровой площадки языка Azure можно просмотреть и выбрать доступные языки.

1. Выберите область "Понимание разговорного языка".

   

2. Затем прокрутите до кнопки Точная настройка и нажмите её.

   

3. В окне Создание тонкой настройки службы выберите карточку Понимание разговорного языка. Затем выберите Далее.

   

4. В окне задачи "Создание тонкой настройки CLU " выберите "Импорт существующего проекта", а затем выберите подключенную службу в раскрывающемся меню и заполните поле "Имя ".

   

5. Затем добавьте пример файла проекта , который вы скачали ранее в область отправки.

6. Нажмите кнопку "Создать ". Выполнение операции создания может занять несколько минут.

7. После создания проекта задачи тонкой настройки открывается страница «Начало работы с тонкой настройкой».

   

Обучение модели

После создания проекта следующие шаги — создание схемы и метка речевых фрагментов. В этом кратком руководстве эти действия предварительно настроены в примере проекта. Поэтому вы можете приступить к запуску задания на обучение, выбрав пункт Обучить модель в меню Начало работы, чтобы создать свою модель.

1. Нажмите кнопку "Обучение модели" ➕ в окне "Обучение модели ".

   

2. Заполните форму " Выбрать режим" , выполнив поле "Имя модели " и выбрав режим обучения. В этом кратком руководстве выберите бесплатный стандартный режим обучения . Дополнительные сведения см. в режимахобучения.

3. Выберите версию обучения в раскрывающемся меню, а затем нажмите кнопку "Далее ".

4. Проверьте выбранные параметры в окне проверки , а затем нажмите кнопку "Создать "

   

Разверните вашу модель

Обычно после обучения модели вы просматриваете результаты её оценки. В этом кратком руководстве вы можете просто развернуть модель и сделать ее доступной для тестирования на языковой площадке Azure или путем вызова API прогнозирования. Однако, если вы хотите, вы можете воспользоваться моментом, чтобы выбрать "Оценить модель " в меню слева и просмотреть подробные данные телеметрии для модели. Выполните следующие действия, чтобы развернуть модель в Foundry:

1. Выберите "Развернуть модель " в меню слева.

2. Затем выберите ➕Развернуть обученную модель в окне Разверните свою модель.

   

3. Убедитесь, что выбрана кнопка "Создать новое развертывание ".

4. Заполните поля окна Развертывание обученной модели:

   • Укажите имя развертывания.

   • Выберите обученную модель в раскрывающемся меню "Назначить модель ".

   • Выберите подписку в раскрывающемся меню "Подписка ".

   • Выберите регион в раскрывающемся меню "Регион ".

   • Выберите ресурс в раскрывающемся меню "Ресурс ". Ресурс должен находиться в одном регионе развертывания.

     

5. Наконец, нажмите кнопку "Создать ". Развертывание модели может занять несколько минут.

6. После успешного развертывания можно просмотреть состояние развертывания модели на странице развертывания модели . Дата окончания срока действия, которая появляется помечает дату, когда развернутая модель становится недоступной для задач прогнозирования. Эта дата обычно составляет 18 месяцев после развертывания конфигурации обучения.

   

7. В меню слева перейдите на языковую площадку Azure.
   Игровые площадки → языковая песочница (Попробуйте песочницу языка Azure).

8. Выберите карточку Понимание разговорного языка.

9. В главной/центральной части окна должно появиться окно Конфигурация с вашей развернутой моделью.

10. В текстовом поле введите речевой фрагмент для проверки. Например, если вы использовали приложение sample project для высказываний, связанных с почтой, то можно ввести Проверить почту.

11. После ввода тестового текста нажмите кнопку "Выполнить ".

    

12. После выполнения теста вы увидите ответ модели в результате.

    

13. Результаты можно просмотреть в представлении текста или формата JSON.

    

Это так, поздравляем!

В этой инструкции вы развернули модель CLU и протестировали её на игровой площадке Foundry Language. Далее вы узнаете, как создать собственный проект задачи точной настройки для приложений и рабочих процессов.

Очистка ресурсов

Если проект больше не нужен, его можно удалить из Foundry.

1. Перейдите на домашнюю страницу Foundry . Начните процесс аутентификации, войдя в систему, если только вы уже не выполнили этот шаг и ваш сеанс активен.

2. Выберите проект, который нужно удалить из раздела Keep building with Foundry

3. Выберите центр управления.

4. Выберите "Удалить проект".

   

Чтобы удалить хаб вместе со всеми его проектами:

1. Перейдите на вкладку Обзор в разделе Центр.

   

2. Справа нажмите кнопку "Удалить концентратор".

3. Ссылка открывает портал Azure, где можно удалить концентратор.

   

Предварительные условия

• Подписка Azure — создайте бесплатную учетную запись.

Создание ресурса на портале Azure

1. Войдите на портал Azure , чтобы создать новый ресурс Azure Language in Foundry Tools.

2. Выберите Создать ресурс.

3. В появившемся окне найдите язык.

4. Нажмите кнопку "Создать".

5. Создайте ресурс языка со следующими сведениями:

   Сведения об экземпляре	Обязательное значение
   Область/регион	Один из поддерживаемых регионов для языкового ресурса.
   Имя.	Имя, требуемое для языкового ресурса.
   Ценовая категория	Одна из допустимых ценовых категорий для ресурса "Язык".

Получите ключи и конечную точку вашего ресурса

1. Перейдите на страницу обзора ресурса на портале Azure.

2. В меню слева выберите Ключи и конечная точка. Вам нужна конечная точка и ключ для запросов API.

   

Импорт нового примера проекта CLU

Создав языковой ресурс, создайте проект по пониманию разговорного языка. Проект — это рабочая область для создания настраиваемых моделей машинного обучения на основе данных. Только вы и другие пользователи, у которых есть доступ к используемому языковому ресурсу, можете получить доступ к вашему проекту.

В этом кратком руководстве можно скачать этот пример проекта и импортировать его. Этот проект может предсказать предполагаемые команды из входных данных пользователя, такие как чтение сообщений электронной почты, удаление сообщений электронной почты и вложение документа в сообщение электронной почты.

Активация задания проекта импорта

POST Отправьте запрос с помощью следующего URL-адреса, заголовков и текста JSON для импорта проекта.

Запросить URL-адрес

При создании запроса API используйте следующий URL-адрес. Замените значения заполнителей собственными значениями.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение чувствительно к регистру и должно точно соответствовать имени проекта в файле JSON, который вы импортируете.	EmailAppDemo
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Основной текст

Текст JSON, который вы отправляете, аналогичен следующему примеру. Дополнительные сведения об объекте JSON см. в справочной документации.

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Conversation",
    "settings": {
      "confidenceThreshold": 0.7
    },
    "projectName": "{PROJECT-NAME}",
    "multilingual": true,
    "description": "Trying out CLU",
    "language": "{LANGUAGE-CODE}"
  },
  "assets": {
    "projectKind": "Conversation",
    "intents": [
      {
        "category": "intent1"
      },
      {
        "category": "intent2"
      }
    ],
    "entities": [
      {
        "category": "entity1"
      }
    ],
    "utterances": [
      {
        "text": "text1",
        "dataset": "{DATASET}",
        "intent": "intent1",
        "entities": [
          {
            "category": "entity1",
            "offset": 5,
            "length": 5
          }
        ]
      },
      {
        "text": "text2",
        "language": "{LANGUAGE-CODE}",
        "dataset": "{DATASET}",
        "intent": "intent2",
        "entities": []
      }
    ]
  }
}

Ключ	Заполнитель	Значение	Пример
{API-VERSION}	Версия вызываемого API.	2023-04-01
projectName	{PROJECT-NAME}	Имя проекта. Это значение чувствительно к регистру.	EmailAppDemo
language	{LANGUAGE-CODE}	Строка, указывающая языковой код для речевых фрагментов, используемых в проекте. Если проект является многоязычным проектом, выберите языковой код большинства речевых фрагментов.	en-us
multilingual	true	Логическое значение, позволяющее иметь документы на нескольких языках в наборе данных. При развертывании модели можно запрашивать модель на любом поддерживаемом языке, включая языки, которые не включены в учебные документы.	true
dataset	{DATASET}	Сведения о том, как разделить данные между тестовым и обучающим набором, см. в разделе "Метка высказываний" в Foundry. Возможные значения для этого поля: Train и Test.	Train

После успешного запроса ответ API содержит заголовок с URL-адресом operation-location , который можно использовать для проверки состояния задания импорта. Заголовок форматируется следующим образом:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Узнать состояние задания импорта

При отправке успешного запроса на импорт проекта полный URL-адрес для проверки состояния задания импорта (включая конечную точку, имя проекта и идентификатор задания) содержится в заголовке ответа operation-location .

Используйте указанный ниже запрос GET, чтобы проверить состояние задания на импорт. Вы можете использовать URL-адрес, полученный на предыдущем шаге, или заменить значения заполнителей собственными значениями.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	myProject
{JOB-ID}	Идентификатор для определения статуса задания импорта.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Описание	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.	{YOUR-PRIMARY-RESOURCE-KEY}

Текст ответа

После отправки запроса вы получите следующий ответ. Продолжайте опрашивать эту конечную точку, пока параметр состояния не изменится на "успешно".

{
  "jobId": "xxxxx-xxxxx-xxxx-xxxxx",
  "createdDateTime": "2022-04-18T15:17:20Z",
  "lastUpdatedDateTime": "2022-04-18T15:17:22Z",
  "expirationDateTime": "2022-04-25T15:17:20Z",
  "status": "succeeded"
}

Начало обучения модели

Как правило, после создания проекта следует создавать схемы и пометить тегами речевые фрагменты. В этом кратком руководстве мы уже импортировали готовый проект со встроенной схемой и помеченными речевыми фрагментами.

Создайте запрос POST, используя указанный ниже URL-адрес, заголовки и текст JSON, чтобы запустить задание обучения.

Запросить URL-адрес

При создании запроса API используйте следующий URL-адрес. Замените значения заполнителей собственными значениями.

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	EmailApp
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Текст запроса

Используйте в запросе следующий объект. Модель будет названа в честь значения, которое вы используете для параметра modelLabel, после завершения обучения.

{
  "modelLabel": "{MODEL-NAME}",
  "trainingMode": "{TRAINING-MODE}",
  "trainingConfigVersion": "{CONFIG-VERSION}",
  "evaluationOptions": {
    "kind": "percentage",
    "testingSplitPercentage": 20,
    "trainingSplitPercentage": 80
  }
}

Ключ	Заполнитель	Значение	Пример
modelLabel	{MODEL-NAME}	Имя модели.	Model1
trainingConfigVersion	{CONFIG-VERSION}	Версия модели конфигурации обучения. По умолчанию используется последняя версия модели.	2022-05-01
trainingMode	{TRAINING-MODE}	Используемый режим обучения. Поддерживаемые режимы — это Стандартное обучение (ускоренное обучение, доступное только на английском языке) и Расширенное обучение (поддерживающее другие языки и многоязычные проекты, но предусматривающее более длительное время обучения). Узнайте больше о режимах обучения.	standard
kind	percentage	Методы разделения. Возможные значения: percentage и manual. Дополнительные сведения см. в статье об обучении модели.	percentage
trainingSplitPercentage	80	Процент ваших данных с тегами, которые будут включены в обучающий набор. Рекомендуемое значение — 80.	80
testingSplitPercentage	20	Процент помеченных тегами данных, которые будут включены в набор для тестирования. Рекомендуемое значение — 20.	20

После отправки запроса API вы получите ответ, указывающий 202 на успех. В заголовках ответа извлеките значение operation-location, отформатированное следующим образом:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Этот URL-адрес позволяет получить текущее состояние задания обучения.

Получение состояния задания обучения

Обучение может занять время , иногда от 10 до 30 минут. Следующий запрос можно использовать для проверки состояния задания обучения до тех пор, пока он не завершится успешно.

При отправке успешного запроса на обучение полный URL-адрес запроса для проверки состояния задания (включая конечную точку, имя проекта и идентификатор задания) содержится в заголовке ответа operation-location .

Используйте следующий запрос GET, чтобы получить состояние хода обучения модели. Замените значения заполнителей собственными значениями.

Запросить URL-адрес

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Заполнитель	Значение	Пример
{YOUR-ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	EmailApp
{JOB-ID}	Идентификатор для определения состояния обучения модели.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Текст ответа

После отправки запроса вы получите следующий ответ. Продолжайте опрос этой конечной точки до тех пор, пока значение параметра Состояние не изменится на "Выполнено".

{
  "result": {
    "modelLabel": "{MODEL-LABEL}",
    "trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
    "trainingMode": "{TRAINING-MODE}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "xxxxx-xxxxx-xxxx-xxxxx-xxxx",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

Ключ	Значение	Пример
modelLabel	имя модели;	Model1
trainingConfigVersion	Версия настройки тренировочной программы. По умолчанию используется последняя версия.	2022-05-01
trainingMode	Выбранный режим обучения.	standard
startDateTime	Время начала обучения	2022-04-14T10:23:04.2598544Z
status	Состояние задачи обучения.	running
estimatedEndDateTime	Предполагаемое время завершения задания обучения.	2022-04-14T10:29:38.2598544Z
jobId	Идентификатор задания обучения.	xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx
createdDateTime	Дата и время создания задачи обучения.	2022-04-14T10:22:42Z
lastUpdatedDateTime	Дата и время последнего обновления задания обучения	2022-04-14T10:23:45Z
expirationDateTime	Дата и время истечения задания обучения	2022-04-14T10:22:42Z

Разверните вашу модель

Как правило, после обучения модели вы изучаете сведения о её оценке. В этом кратком руководстве вы развернете модель и вызовите API прогнозирования для запроса результатов.

Отправка задания развертывания

Создайте запрос PUT, используя следующий URL-адрес, заголовки и текст JSON, чтобы начать развертывание модели распознавания разговорной речи.

Запросить URL-адрес

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	myProject
{DEPLOYMENT-NAME}	Имя, используемое для развертывания. Это значение зависит от регистра.	staging
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Тело запроса

{
  "trainedModelLabel": "{MODEL-NAME}",
}

Ключ	Заполнитель	Значение	Пример
обученнаяМодельМетка	{MODEL-NAME}	Имя модели, назначенное вашему развертыванию. Назначать можно только успешно обученные модели. Это значение зависит от регистра.	myModel

После отправки запроса API вы получите ответ, указывающий 202 на успех. В заголовках ответа извлеките значение operation-location, отформатированное следующим образом:

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Этот URL-адрес можно использовать для получения состояния задания развертывания.

Получение состояния задания развертывания

При отправке успешного запроса развертывания полный URL-адрес запроса для проверки состояния задания (включая конечную точку, имя проекта и идентификатор задания) содержится в заголовке ответа operation-location .

Используйте указанный ниже запрос GET для запроса состояния задания развертывания. Замените значения заполнителей собственными значениями.

Запросить URL-адрес

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	myProject
{DEPLOYMENT-NAME}	Имя, используемое для развертывания. Это значение зависит от регистра.	staging
{JOB-ID}	Идентификатор для определения состояния обучения модели.	xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Текст ответа

После отправки запроса вы получите следующий ответ. Продолжайте опрос этой конечной точки до тех пор, пока значение параметра Состояние не изменится на "Выполнено".

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

Модель запроса

Развернутую модель можно начать использовать для прогнозирования с помощью API прогнозирования.

После успешного завершения развертывания можно начать запрашивать у развернутой модели прогнозы.

Создайте запрос POST, используя следующий URL-адрес, заголовки и текст JSON, чтобы начать развертывание модели распознавания разговорной речи.

Запросить URL-адрес

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

Текст запроса

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "id": "1",
      "participantId": "1",
      "text": "Text 1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "stringIndexType": "TextElement_V8"
  }
}

Ключ	Заполнитель	Значение	Пример
participantId	{JOB-NAME}		"MyJobName
id	{JOB-NAME}		"MyJobName
text	{TEST-UTTERANCE}	Речевой фрагмент, для которого требуется предсказать намерение и извлечь сущности.	"Read Matt's email
projectName	{PROJECT-NAME}	Имя проекта. Это значение зависит от регистра.	myProject
deploymentName	{DEPLOYMENT-NAME}	Имя развертывания. Это значение зависит от регистра.	staging

После отправки запроса вы получите следующий ответ для прогнозирования.

Текст ответа

{
  "kind": "ConversationResult",
  "result": {
    "query": "Text1",
    "prediction": {
      "topIntent": "inten1",
      "projectKind": "Conversation",
      "intents": [
        {
          "category": "intent1",
          "confidenceScore": 1
        },
        {
          "category": "intent2",
          "confidenceScore": 0
        },
        {
          "category": "intent3",
          "confidenceScore": 0
        }
      ],
      "entities": [
        {
          "category": "entity1",
          "text": "text1",
          "offset": 29,
          "length": 12,
          "confidenceScore": 1
        }
      ]
    }
  }
}

Ключ	Пример значения	Описание
запрос	Прочитай электронное письмо Мэтта	текст, отправленный для запроса.
topIntent	"Чтение"	Прогнозируемое намерение с наивысшей оценкой достоверности.
намерения	[]	Список всех намерений, которые были спрогнозированы для текста запроса, с оценками их достоверности.
сущности	[]	массив, содержащий список сущностей, извлеченных из текста запроса.

Ответ API для проекта диалогов

В проекте по работе с диалогами вы получите прогнозы как для намерений, так и для сущностей, присутствующих в проекте.

• К таким намерениям и сущностям относится оценка доверительного уровня между 0,0 и 1,0, связанная с тем, насколько уверенно модель будет прогнозировать определенный элемент в проекте.
• Намерение с наибольшей оценкой содержится в собственном параметре.
• В ответе отображаются только прогнозируемые сущности.
• Объекты указывают:
  • Текст извлеченной сущности
  • Его начальное расположение, обозначаемое значением смещения
  • Длина текста сущности, обозначенная значением длины.

Очистка ресурсов

Если проект вам больше не нужен, вы можете удалить его с помощью интерфейсов API.

DELETE Создайте запрос, используя следующие URL-адрес, заголовки и текст JSON, чтобы удалить проект понимания разговорного языка.

Запросить URL-адрес

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}

Заполнитель	Значение	Пример
{ENDPOINT}	Конечная точка для проверки подлинности запроса API.	https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME}	Имя проекта. Это значение чувствительно к регистру.	myProject
{API-VERSION}	Версия вызываемого API.	2023-04-01

Заголовки

Используйте следующий заголовок для проверки подлинности запроса.

Ключ	Значение
Ocp-Apim-Subscription-Key	Ключ к вашему ресурсу. Используется для проверки подлинности запросов API.

После отправки запроса API вы получите ответ, указывающий 202 на успех, что означает, что проект был удален.