사전 작성된 인 텐트는 응용 프로그램 빌드 속도를 높이는 데 도움이되는 많은 템플릿으로 볼 수 있습니다. 이러한 의도는 이미 훈련 된 상태이므로 인 텐트 관련 질문은 의도에 더 많이 추가 할 필요없이 즉시 인식 할 수 있습니다.
"What are some General rated films playing right now?"
을 사용자 지정 의도에 추가해야하는 사용자 대신 Entertainment.Search
을 사용할 수 있습니다. 여기에는 이미 비슷한 레이블이 붙어 있습니다. 그런 다음 비슷한 발언은 이미 Entertainment.Search
의도로 표시되어 있습니다.
현재 구현중인 방식대로 작동합니다. LUIS는 자연어 처리 만 제공하며 BingSearch를 사용하여 더 많은 정보를 찾습니다.
encyclopedia
미리 만들어진 개체의 현재 구현은 사용자가 루이스의 응용 프로그램이 정보의 반 무작위 조각의 무리를 추가하여 모델을 학습 할 필요없이 잠재적 인 대상을 인식해야 할 수 있습니다.
사전 제작 된 엔티티를 사용하는 좋은 예가 퀴즈 로봇에서 사용하는 것입니다. 사전 제작 된 엔티티는 Catherine the Great과 같은 러시아의 통치자부터 Led Zeppelin과 같은 록 밴드에 이르기까지 광범위한 주제를 다루기 때문에 퀴즈 로봇에서 사용할 수 있습니다.
여기 발언 "캐서린 위대한"에서 응답 본문의 예 :
"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 (대부분의 NLP 제공)에 대한 것은 당신이 기계 판독 정보를 얻기 위해 그것을 사용하고 있다는 점이다
, 텍스트 조각을 통과하고 표준화 된 형식의 정보를 다시 응용 프로그램에 전달하여 응용 프로그램에서 해당 정보를 처리 할 수 있도록합니다.