LUIS(Language Understanding Intelligent Service)提供了一條很輕量的路徑,讓你的應用能夠理解「把燈打開」或「幫我訂一張飛巴黎的機票」這類指令。模型建好之後,只要按一次就能把它發布成 HTTP 服務,並回傳格式友善的 JSON。
人機互動裡有個核心難題:機器能不能理解使用者真正想要什麼,並從中找出與意圖相關的資訊片段。
以旅行社應用為例,當使用者說「幫我預訂一張飛巴黎的機票」,其中的意圖是「訂票」,而「巴黎」是一個地點實體。所謂意圖,指的是使用者期待被執行的動作,通常帶有動詞(這裡是「預訂」);實體則是這個動作作用的主要或次要對象(這裡是「巴黎」)。
應用上線、開始接收真實資料之後,LUIS 會透過主動學習(active learning)持續自我提升:它會挑出那些語意模糊的句子,請你依照意圖與實體進行標註;透過這些精挑細選的樣本,模型能在短時間內在特定領域達到相當不錯的辨識水準。
LUIS 的管理介面固定為英文,但在理解輸入時支援多種語言,包含英文、法文、義大利文、西班牙文與中文等。
LUIS 提供完整的 REST API,可以用程式自動化建立與發布語言模型,不必全靠手動點擊。
動手之前,請先確認你手上有最新版的 Microsoft Edge、Internet Explorer 或 Chrome。打開 www.luis.ai 並登入,就會看到 dashboard。

每個 LUIS 應用都圍繞一個特定主題,例如機票、航班、飯店、租車預訂,或是健身追蹤、目標設定這類主題。動手之前,你得先想清楚要處理哪個領域。
這裡我們以一個虛擬的旅行預訂助理為例。在這個應用裡,你會綁定兩個意圖:「預訂機票」與「查詢天氣」;以及兩個實體:「地點」與「日期」。定義好這些之後,當使用者與應用互動時,LUIS 就能採取對應的動作。
點擊「My Applications」,再按「New App」。在對話框中把它命名為「TravelAgent」,最後按「Add App」。

接著我們加入兩個意圖。在左側面板上方可以看到意圖區域。所有應用都預設有一個名為「None」的意圖,用來承接那些跟本應用無關的語句——例如有人突然說「給我一個好吃的甜點食譜」。
點擊「Intents」旁邊的「+」,在對話框中填入意圖名稱「BookFlight」,並提供一句觸發例句「Book flight to Paris」。

按「Save」,再按「Submit」完成。

同樣的做法再加一個意圖「查詢天氣」,觸發例句用「倫敦的天氣怎麼樣」,存檔並提交。
定義實體
在左側面板可以看到新增實體的入口。我們希望系統能辨識使用者感興趣的旅行方式與目的地,也能理解關於目的地天氣的提問。為了捕捉「地點」這個概念,我們建立一個名為「地點」的實體:點擊「Entities」旁的「+」,在輸入框中鍵入「地點」。這樣就完成了一個簡單的通用實體,通常已足以應付多數場景,但 LUIS 還支援更進階的用法。
分層實體
你也可以定義實體之間的父子關係。通用實體作為父層,子實體則是這個父層底下的更具體的分類,兩者共享相同特性。舉例來說,父實體叫「地點」,底下的子實體可以分成「目的地」與「出發地」。LUIS 在解析語句、建構與訓練模型時,能同時辨識這類實體及其子實體。
建立分層實體的步驟如下:
在應用編輯器中,於左側面板找到「Entities」並點擊「+」;在「Add a new Entity」對話框中把名稱填為「地點」;點擊「Entity Children」旁的加號;在出現的欄位中填入第一個子實體「目的地」;再點一次加號加入第二個子實體「出發地」,以此類推。若要刪除某個子實體,點它旁邊的垃圾桶圖示即可。完成後按「Save」。

假設你的應用要處理類似「幫我訂 5 月 4 日飛波士頓的機票」這樣的請求,那就需要能聽懂日期相關的說法,包含月份、年份,甚至是「下個月」「明年」這種相對表述。這時可以直接用 Bing 提供的預定義實體「DateTime」:點擊「+」,從預定義實體清單中選擇「DateTime」。

每個意圖最多可使用 10 個實體;每個父實體最多可有 10 個子實體。新增子實體時,請務必在建立父實體的同一時間一起加上。若要刪除帶有子實體的父實體,請在左側面板點選該實體名稱,再於對話框中按「Delete」。
意圖與實體都定義好之後,下一步是餵入更多例句來建立語料。點擊畫面上方的「New utterance」,輸入「將航班預訂到倫敦」並按 Enter。這時會出現一個下拉選單列出可能的意圖,選取「BookFlight」;接著點一下句子裡的「london」,從下拉選單中選擇「地點」,你會看到「london」被標成黃色,代表這個詞已被標註為地點。再判斷它屬於 ToLocation 還是 FromLocation,按「Submit」送出這筆標註。

每個意圖、每個實體都需要準備數個範例。另外也別忘了放一兩個落在既有意圖範圍之外的句子,例如「我喜歡冰淇淋」,用來餵養「None」意圖。
此時系統已經有足夠資料來部署初版應用,接下來就是訓練與發布。
所謂「訓練」,就是讓 LUIS 去分析所有已標註的樣本,從中抽象出規則,以便日後辨識相關的意圖與實體。LUIS 以邏輯斯回歸分類器判定意圖,並以條件隨機場(CRF)判定實體;訓練的產物就是經過最佳化的分類器與 CRF,合稱為模型。要啟動訓練,只要點擊頁面左下方的「Train」,系統也會定時自動訓練。
接著把模型發布成 HTTP 服務,讓它能解釋我們送進去的句子。點擊左上角「Publish」,在跳出視窗中發布 Web 服務。幾分鐘後你會拿到一個網址,模型就以 Web 服務的形式可用了。

下圖示範了包含意圖與分層實體的語意分析結果,以 JSON 格式回傳給呼叫方。


到這裡,你已經學會如何替自己的應用接上語言理解能力了。