使用本文了解你在使用对话语言理解时可能遇到的一些定义和术语。
实体
实体是言语中的字词，描述用于实现或识别意向的信息。 如果实体很复杂，并且你希望模型标识特定的部分，可将模型分解为子实体。 例如，你可能希望模型预测某个地址，但同时预测街道、城市、州和邮政编码等子实体。
F1 分数
F1 分数是精度和召回的一个函数，当你在 精度 和 召回之间寻求平衡时需要。
Intent
意向表示用户想执行的任务或操作。 用户输入的内容中所表达的目的或目标，比如预订航班或支付帐单。
列表实体
列表实体表示一组固定、封闭的相关字词及其同义词。 与机器学习实体不同，列表实体是精确匹配项。
每当实体名单中的一个单词出现在输入中时，就会预测一个实体。 例如，假设有一个名为“size”的实体列表，其中包含“small”、“medium”和“large”一词。如果在陈述中使用了其中任何一个单词，则会识别大小实体。 无论这些词语出现在哪种上下文中，都会发生这种预测。
型号
模型是经过培训以执行特定任务的对象，此处为对话理解任务。 通过提供标记数据来训练模型以供学习，以便以后可以使用这些模型来理解语句。
- 模型评估是一种在训练后立即进行的过程，可了解模型的性能情况。
- 部署指的是将模型分配到部署以便通过预测 API 使用它的过程。
过度拟合
若模型只关注特定示例而无法很好地实现通用，就会发生过度拟合。
Precision
度量模型的精确度/准确度。 它是正确识别的正值（真正）与所有识别出的正值之间的比率。 精准率指标指示正确标记了多少个预测类。
Project
项目是一个工作区，用于基于你的数据构建自定义 ML 模型。 只有你和其他有权访问正在使用的 Azure 资源的人可以访问你的项目。
Recall
度量模型预测实际正类的能力。 它是预测的真正值与标记的结果之间的比率。 召回率指标显示正确的预测类的数量。
正则表达式
正则表达式实体表示正则表达式。 正则表达式实体是完全匹配的。
架构
架构被定义为项目中意向和实体的组合。 架构设计是项目成功的关键部分。 创建架构时，需要考虑应在项目中包括哪些意向和实体。
训练数据
训练数据是训练模型所需的信息集。
话语
发声指的是一种用户输入，它是对话中句子的简短文本代表。 这是一个自然的语言短语，如“下周二预订 2 张西雅图门票”。添加了示例话语来训练模型，模型在运行时预测新话语