【Azure 机器人】微软Azure Bot 编辑器系列(6) : 添加LUIS,理解自然语言 (The Bot Framework Composer tutorials)

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
简介: 【Azure 机器人】微软Azure Bot 编辑器系列(6) : 添加LUIS,理解自然语言 (The Bot Framework Composer tutorials)

欢迎来到微软机器人编辑器使用教程,从这里开始,创建一个简单的机器人。

在该系列文章中,每一篇都将通过添加更多的功能来构建机器人。当完成教程中的全部内容后,你将成功的创建一个天气机器人(Weather Bot)。在本系列中将学会以下内容:

 

1)创建一个简单的对话天气机器人

2)在机器人中提出问题,并获取从HTTP API获取响应

3)在机器人中增加帮助提示和取消功能

4)使用语言生成功能(LG: Language Generation)

5)把机器人的回复转换为卡片

6)添加LUIS功能,理解自然语言

 

准备条件

 

Bot Composer使用的默认识别器就是LUIS。它使用语言理解 (LUIS) 服务,该服务允许机器人理解用户的响应并确定在对话流中下一步要做什么。语言理解 (LUIS) 是 Azure 认知服务中的一项服务,可将自然语言处理应用于对话文本以预测含义并提取相关信息。

本文将展示如何训练LUIS识别器来捕获消息中所包含的用户意图。然后将消息传递给触发器,触发器定义机器人将如何响应。主要包含的内容有:

  • 将LUIS识别器添加到机器人
  • 确定用户意图和实体以生成正确的响应

 

修改识别器的类型(Update the recognizer type)

第一步:启动编辑器并打开weather_bot项目

第二步:在左侧导航栏中选中weather_bot对话组件

第三步:在右侧的属性栏中,从“ 识别器类型 ”中选择“ 默认识别器 ”。默认识别器即使用LUIS

 

 

添加LUIS的数据和条件(Add language understanding data and conditions)

本节中,将创建三个语意(cancel, help, weather),用于替换在系列3[https://www.cnblogs.com/lulight/p/14902267.html]中使用正则表达式来检测用户所输入的指令。

第一步:选中“Cancel”触发器,在属性的触发语句表达式中填入以下语句:

- cancel

- please cancel

- stop that

- 取消对话

- 退出吧

第二步:在“Condition”部分,设置表达式条件为 = #Cancel.Score >= 0.8

设置LUIS的判断结果分数要大于等于80%(0.8)的目的是避免不必要的触发。因为LUIS是基于机器学习的意图分类器,它会返回各种可能的匹配项,每一个匹配项都有一个评分。通过评分可以避免低可信度的结果。

第三步:同样的操作为“help”触发器。选中“help”触发器,在属性的触发语句表达式中填入以下语句:

- help

- I need help

- please help me

- can you help

第四步:在“Condition”部分,设置表达式条件为 = #Help.Score >= 0.5

第五步:最后在“weather“触发器中。同样用以下的语意替换旧的正则表达式关键字。

- get weather

- weather

- how is the weather

 

请查看添加LUIS语意的演示动画:

 

 

配置LUIS资源(Configure a Language Understanding resource)

正如上一节中配置了LUIS语意和条件后,Bot Composer会提示有两个错误(在右上角)。这正是由于当前还没有配置LUIS资源。需要在appsettings.json文件中设置LUIS key和region信息。

第一步:当在Azure门户上已经创建好LUIS(Language Understanding)服务后,登录Azure LUIS资源的界面,查看”Keys and Endpoint“。注意:LUIS资源创建好后,会有两个类型,一个是Language Understanding Authoring (LUIS)创作资源,一个是Language Understanding (LUIS)资源,提供服务接口。这两个资源的Keys和Endpoint都需要在Bot Composer中配置。 

第二步:回到Bot Composer界面,可以直接点击错误提示中的”appsettings.json“进入文件中为luis节点设置值:(最左侧导航中选择”Configure“,"Development resources",点击右上角的JOSN视图查看,填充第一步中的值)。

"luis": {
    "authoringEndpoint": "",
    "authoringRegion": "",
    "defaultLanguage": "en-us",
    "endpoint": "",
    "environment": "composer",
    "name": "weather_bot",
    "authoringKey": "",
    "endpointKey": ""
  },

注意:也可以在UI上通过按钮”Set up Language Understanding“根据UI提示一步一步的登录到Global版Azure,选择已有的LUIS或新建。但当前还不支持中国区的Azure。

第三步:填充完luis节点中的信息后,回到”创建“目录。此时,Bot Composer的错误提示消息。表示已经可以测试Bot是否可以成功调用LUIS资源。

第四步(非常重要的验证步骤):登录LUIS门户(https://luis.azure.cn/applications), 验证并测试weather_bot的LUIS App是否创建成功?语意和实体等是否同步过来?项目是否发布?验证调用结果(LUIS门户 --> LUIS APP -->MANAGE --> Azure Resources -> Example Query )。如果在测试遇见 403 Forbidden --  "This application cannot be accessed with the current subscription." 最大的原因是在LUIS门户中新建的weather_bot 没有Publish。

 

 

LUIS侦测并提取文字中的实体(Using LUIS for entity extraction)

使用LUIS还可以在用户的话语中来识别实体,如本文的邮政编码。这样就能更明确的知道用户意图,简化询问输入邮政编码的步骤。

例如:用户输入“How is the weather in 98052?”,机器人就不需要再次提醒用户输入邮政编码,而是可以直接回复天气信息。虽然这是一个简单的例子,但对于机器人来说这个功能是一个机器模式与人自然对话的一个巨大改进。

第一步:在Bot Composer的左侧目录中选择“用户输入”,然后选中“weather_bot”对话组件(非根目录),点击“显示代码”,在最后部分加上以下内容:

> Define a postal code entity. Any time LUIS sees a five digit number, it will flag it as 'postal code' entity.

$ postalcode:/[0-9]{5}/

第二步:设置完成后,回到机器人设计页面,选中”getWeather“的BeginDialog组件。在这里添加一个任务用来为属性user.postalcode设置postalcode实体的值(由第一步中所设置的匹配规则从LUIS中获取)

第三步:在询问邮政编码的任务模块之前,点击”+“号按钮,添加一个设置属性的任务(”管理属性“ --> “设置属性”)。

第四步:在“Set a property”组件的右侧的属性中,为Property设置为“ user.postalcode ”,为Value设置为 " =@postalcode "

当操作到这里后,天气机器人已经创建完成,就可以开启测试的旅程了。

请查看使用LUIS后,天气机器人的完整版演示动画:

 

 

感谢您看到了这里。开启实验机器人的旅程。谢谢。  

(微软Azure Bot 编辑器系列的六个内容均是参考微软官方的机器人文档进行的中文操作步骤,原文连接见参考资料)

 

参考资料

Tutorial: Add LUIS for language understandinghttps://docs.microsoft.com/en-us/composer/tutorial/tutorial-luis?tabs=v2x

 

[微软Azure Bot 编辑器系列 1~6完]

相关文章
|
2月前
|
JavaScript 前端开发 机器人
【Azure Bot Service】在中国区Azure上部署机器人的 Python 版配置
本文介绍了在中国区Azure上使用Python SDK配置Azure Bot Service时遇到的问题及解决方案,涵盖参数设置与适配器配置,适用于希望在Azure中国区部署Python机器人的开发者。
|
8月前
|
人工智能 自然语言处理 数据可视化
Data Formulator:微软开源的数据可视化 AI 工具,通过自然语言交互快速创建复杂的数据图表
Data Formulator 是微软研究院推出的开源 AI 数据可视化工具,结合图形化界面和自然语言输入,帮助用户快速创建复杂的可视化图表。
719 10
Data Formulator:微软开源的数据可视化 AI 工具,通过自然语言交互快速创建复杂的数据图表
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
Magma:微软放大招!新型多模态AI能看懂视频+浏览网页+UI交互+控制机器人,数字世界到物理现实无缝衔接
Magma 是微软研究院开发的多模态AI基础模型,结合语言、空间和时间智能,能够处理图像、视频和文本等多模态输入,适用于UI导航、机器人操作和复杂任务规划。
418 2
|
消息中间件 安全 机器人
【Azure 事件中心】Kafka 生产者发送消息失败,根据失败消息询问机器人得到的分析步骤
【Azure 事件中心】Kafka 生产者发送消息失败,根据失败消息询问机器人得到的分析步骤
380 0
|
自然语言处理 机器人 API
【Azure 机器人】微软Azure Bot 编辑器系列(5) : 机器人的卡片式回复 (The Bot Framework Composer tutorials)
【Azure 机器人】微软Azure Bot 编辑器系列(5) : 机器人的卡片式回复 (The Bot Framework Composer tutorials)
123 0
|
18天前
|
数据采集 自动驾驶 机器人
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
69 1
|
7月前
|
人工智能 自然语言处理 机器人
9.9K star!大模型原生即时通信机器人平台,这个开源项目让AI对话更智能!
"😎高稳定、🧩支持插件、🦄多模态 - 大模型原生即时通信机器人平台"
205 0
|
5月前
|
弹性计算 自然语言处理 Ubuntu
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
|
4月前
|
机器人
陌陌自动回复消息脚本,陌陌自动打招呼回复机器人插件,自动聊天智能版
这是一款为陌陌用户设计的自动回复软件,旨在解决用户无法及时回复消息的问题,提高成交率和有效粉丝数。软件通过自动化操作实现消息检测与回复功能
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
TsingtaoAI具身智能机器人开发套件及实训方案
该产品套件创新性地融合了先进大模型技术、深度相机与多轴协作机械臂技术,构建了一个功能强大、灵活易用的人机协作解决方案。其核心在于将智能决策、精准感知与高效执行完美结合,为高校实训领域的发展注入新动力。
413 10

热门文章

最新文章