对话语言理解（CLU）微调任务是一个工作区项目，可在其中自定义语言模型，以识别用户意向并从用户输入（言语）中提取关键信息（实体）。 在此工作区中，定义与应用程序相关的意向和实体，相应地标记示例用户话语，并使用此标记的数据微调模型。 此过程定制模型，以更好地了解聊天应用程序的特定需求和细微差别。 本指南指导你完成在 Azure AI Foundry 或使用 REST API 中配置微调工作区的过程。
Note
- 如果已有 Azure AI 语言或多服务资源（无论是单独使用还是通过 Language Studio 使用），则可以在 Azure AI Foundry 门户中继续使用这些现有语言资源。 有关详细信息，请参阅 如何在 Azure AI Foundry 门户中使用 Azure AI 服务。
- 在 Azure AI Foundry 中，微调任务可充当你自定义 CLU 模型时的工作区。 以前， 微调任务 称为 CLU 项目。 在较旧的 CLU 文档中，可能会遇到这两个可互换使用的术语。
- 强烈建议在 AI Foundry 中使用 Azure AI Foundry 资源；但是，也可以使用语言资源按照这些说明进行操作。
Prerequisites
优化 CLU 模型
若要创建 CLU 微调模型，请先配置环境，然后创建微调项目，该项目充当自定义 CLU 模型的工作区。
导航到 Azure AI Foundry。
如果尚未登录，门户会提示你使用 Azure 凭据执行此作。
登录后，可以在 Azure AI Foundry 中创建或访问现有项目。
如果尚未开始执行此任务的项目，请选择它。
从左侧导航面板中选择“微调”选项。
在主窗口中，选择“AI 服务微调”选项卡，然后选择“+ 微调”按钮。
在 “创建服务微调 ”窗口中，选择“ 对话语言理解 ”选项卡，然后选择“ 下一步”。
在“创建 CLU 微调任务”窗口中，完成“名称”和“语言”字段。 如果打算使用免费的 标准训练 模式微调模型，请选择语言字段的 英语 。
选择“创建”按钮。
创建操作可能需要几分钟才能完成。
Note
-
标准训练 可实现更快的训练时间和更快的迭代;但是，它仅适用于英语。
-
高级培训 包括较长的培训持续时间，并且支持英语、其他语言和多语言项目。
- 有关详细信息， 请参阅训练模式。
任务创建完成后，请从 AI 服务微调窗口中选择任务，进入微调页面入门页面。
使用以下 URL、标头和 JSON 正文提交一个PATCH请求，以创建一个新项目。
请求的 URL
创建 API 请求时，请使用以下 URL。 将占位符值替换为你自己的值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
| Placeholder |
Value |
Example |
{ENDPOINT} |
用于对 API 请求进行身份验证的终结点。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
项目的名称。 此值区分大小写。 |
myProject |
{API-VERSION} |
要调用的 API 的版本。 |
2023-04-01 |
使用以下标头对请求进行身份验证。
| Key |
Value |
Ocp-Apim-Subscription-Key |
资源的键。 用于对 API 请求进行身份验证。 |
Content-Type |
application/merge-patch+json |
Body
使用以下示例 JSON 作为正文。
{
"projectName": "{PROJECT-NAME}",
"language": "{LANGUAGE-CODE}",
"projectKind": "Conversation",
"description": "Project description",
"multilingual": true
}
| Key |
Placeholder |
Value |
Example |
projectName |
{PROJECT-NAME} |
项目名称。 此值区分大小写。 |
EmailApp |
language |
{LANGUAGE-CODE} |
一个字符串，用于指定项目中所用语句的语言代码。 如果你的项目是多语言项目，请选择大多数话语 的语言代码 。 |
en-us |
multilingual |
true |
一个布尔值，可用于在数据集中使用多种语言的文档。 部署模型后，可以使用任何受支持的语言查询模型（不一定包含在训练文档中）。 若要了解有关多语言支持的详细信息，请参阅 语言支持。 |
true |
就是这样！ 你可以开始你的微调任务项目。 有关详细信息， 请参阅后续步骤。
查看和管理项目详细信息
可以获取有关项目的最新信息，进行必要的更改，并通过 Azure AI Foundry 或 REST API 终结点高效管理项目任务。
Azure AI Foundry 项目概述页显示有关微调任务项目的信息，包括其名称、订阅、资源组和连接的资源。 还可以通过在概述页上选择“ 在 Azure 门户中管理 ”来访问 Azure 门户中的项目资源。
可以通过 REST API 访问、查看和管理所有项目详细信息。
若要获取项目详细信息，请使用以下 URL 和标头提交 GET 请求。 将占位符值替换为你自己的值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
| Placeholder |
Value |
Example |
{ENDPOINT} |
用于对 API 请求进行身份验证的终结点。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
项目的名称。 此值区分大小写。 |
myProject |
{API-VERSION} |
要调用的 API 的版本 。 |
2023-04-01 |
使用以下标头对请求进行身份验证。
| Key |
Value |
Ocp-Apim-Subscription-Key |
资源的键。 用于对 API 请求进行身份验证。 |
响应正文
发送请求后，会收到以下响应：
{
"createdDateTime": "2022-04-18T13:53:03Z",
"lastModifiedDateTime": "2022-04-18T13:53:03Z",
"lastTrainedDateTime": "2022-04-18T14:14:28Z",
"lastDeployedDateTime": "2022-04-18T14:49:01Z",
"projectKind": "Conversation",
"projectName": "{PROJECT-NAME}",
"multilingual": true,
"description": "This is a sample conversation project.",
"language": "{LANGUAGE-CODE}"
}
发送 API 请求后，您会收到一个表明成功的200响应，其中包含带有项目详细信息的 JSON 响应正文。
导入现有的 Azure AI 项目
通过导入配置文件，可以将现有设置直接引入平台，从而更轻松地根据预定义的首选项设置和自定义服务。
可以使用 REST API 导入 CLU config.json 文件
使用以下 URL、标头和 JSON 正文提交 POST 请求，以导入项目。
请求的 URL
创建 API 请求时，请使用以下 URL。 将占位符值替换为你自己的值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}
| Placeholder |
Value |
Example |
{ENDPOINT} |
用于对 API 请求进行身份验证的终结点。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
项目的名称。 此值区分大小写，必须与要导入的 JSON 文件中的项目名称匹配。 |
EmailAppDemo |
{API-VERSION} |
要调用的 API 的版本 。 |
2023-04-01 |
使用以下标头对请求进行身份验证。
| Key |
Value |
Ocp-Apim-Subscription-Key |
资源的键。 用于对 API 请求进行身份验证。 |
Body
所发送的 JSON 正文类似于以下示例。 有关 JSON 对象的详细信息，请参阅 参考文档。
{
"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": []
}
]
}
}
| Key |
Placeholder |
Value |
Example |
{API-VERSION} |
要调用的 API 的版本 。 |
2023-04-01 |
|
projectName |
{PROJECT-NAME} |
项目名称。 此值区分大小写。 |
EmailAppDemo |
language |
{LANGUAGE-CODE} |
一个字符串，用于指定项目中所用语句的语言代码。 如果你的项目是多语言项目，请选择大多数话语 的语言代码 。 |
en-us |
multilingual |
true |
一个布尔值，可用于在数据集中使用多种语言的文档。 部署模型后，可以使用任何 受支持的语言查询模型，包括训练文档中不包含的语言。 |
true |
dataset |
{DATASET} |
有关如何在测试和训练集之间拆分数据的信息，请参阅 AI Foundry 中的话语标签。 此字段的可能值为 Train 和 Test。 |
Train |
成功请求后，API 响应包含 URL operation-location 标头，可用于检查导入作业的状态。 标头的格式如下例所示：
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/import/jobs/{JOB-ID}?api-version={API-VERSION}
导出微调项目
通过导出配置文件，可以保存项目的设置和结构的当前状态，以便根据需要轻松备份或传输项目。
可以将 Azure Foundry 精细优化任务项目下载为 config.json 文件：
导航到项目主页。
在页面顶部，从右侧页面功能区区域选择项目。
选择 “下载配置文件”。
可以将 CLU 项目导出为 config.json 文件。
请使用以下 URL、标头和 JSON 正文创建POST请求以导出项目。
请求的 URL
创建 API 请求时，请使用以下 URL。 将占位符值替换为你自己的值。
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:export?stringIndexType=Utf16CodeUnit&api-version={API-VERSION}
| Placeholder |
Value |
Example |
{ENDPOINT} |
用于对 API 请求进行身份验证的终结点。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
项目的名称。 此值区分大小写。 |
EmailApp |
{API-VERSION} |
要调用的 API 的版本 。 |
2023-04-01 |
使用以下标头对请求进行身份验证。
| Key |
Value |
Ocp-Apim-Subscription-Key |
资源的键。 用于对 API 请求进行身份验证。 |
发送 API 请求后，会收到指示 202 成功的响应。 在响应头中，提取 operation-location 值。 值的格式如下例所示：
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
JOB-ID 用于标识请求，因为此作是异步的。 使用此 URL 通过相同的身份验证方法获取导出的项目 JSON。
删除项目
删除项目可确保从系统永久删除它及其所有关联的数据。
如果不再需要项目，可以从 Azure AI Foundry 将其删除。
导航到 Azure AI Foundry 主页。 除非已完成此步骤且会话处于活动状态，否则请通过登录来启动身份验证过程。
选择要从 Azure AI Foundry 的“持续构建”中删除的项目
选择“管理中心”。
选择“ 删除项目”。
删除中心及其所有项目：
导航到“中心”部分的“概述”选项卡。
在右侧，选择 “删除中心”。
该链接将打开 Azure 门户，以便删除中心。
如果不再需要项目，则可以使用 REST API 将其删除。 若要继续，请访问 REST API，并按照记录的步骤删除项目以完成此作。
使用以下 URL、标头和 JSON 正文创建 DELETE 请求，以删除对话语言理解项目。
请求的 URL
{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
| Placeholder |
Value |
Example |
{ENDPOINT} |
用于对 API 请求进行身份验证的终结点。 |
https://<your-custom-subdomain>.cognitiveservices.azure.com |
{PROJECT-NAME} |
项目的名称。 此值区分大小写。 |
myProject |
{API-VERSION} |
要调用的 API 的版本 。 |
2023-04-01 |
使用以下标头对请求进行身份验证。
| Key |
Value |
Ocp-Apim-Subscription-Key |
资源的键。 用于对 API 请求进行身份验证。 |
发送 API 请求后，会收到指示 202 成功（这意味着项目已删除）的响应。
后续步骤
创建微调工作区后，通过定义意向和实体并将其添加到架构来启动微调任务：
