对于预构建的意图,它们可以被视为更多的模板,以帮助加快应用程序的构建过程。这些意图已经过训练,因此可能会立即识别出与意图相关的问题,而无需向意图添加更多内容。
而不是用户需要添加"What are some General rated films playing right now?"
到您的自定义意图中,您可以使用Entertainment.Search
可能已经带有类似标签的内容。然后类似的话语已经用Entertainment.Search
意图标记。
您现在实施它的方式工作正常。LUIS 仅提供自然语言处理,它不会执行 BingSearch 来为您查找更多信息。
预建实体的当前实现encyclopedia
允许用户让他们的 LUIS 应用程序识别潜在的主题,而无需通过向其添加一堆半随机的信息来训练他们的模型。
使用预建实体的一个很好的例子是在琐事机器人中使用它,因为encyclopedia
预建实体涵盖了广泛的主题,从像凯瑟琳大帝这样的俄罗斯统治者到像齐柏林飞艇这样的摇滚乐队。
以下是“凯瑟琳大帝”话语的响应主体示例:
"entities": [
{
"entity": "catherine the great",
"type": "builtin.encyclopedia.royalty.monarch",
"startIndex": 0,
"endIndex": 18
},
{
"entity": "catherine the great",
"type": "builtin.encyclopedia.film.film"
},
{
"entity": "catherine the great",
"type": "builtin.encyclopedia.people.person"
}
]
NLP(以及大多数 NLP 产品)的问题在于,您使用它来获取机器可读信息,它通过一段文本并将标准化格式的信息传递回您的应用程序,以便您的应用程序可以对其进行操作。