将预测请求发送到部署

1. 在部署作业成功完成后，选择要使用的部署，然后从顶部菜单中选择“获取预测 URL”。

   

2. 在出现的窗口中，将示例请求 URL 和正文复制到命令行中。

3. 用要发送的实际文本替换<YOUR_QUERY_HERE>，以提取意图和实体。

4. 在终端或命令提示符下提交 POST cURL 请求。 如果请求成功，你将收到包含 API 结果的 202 响应。

首先，需要获取资源密钥和终结点：

在 Azure 门户中，转到资源概述页面。 在左侧菜单中，选择“密钥和终结点”。 你将为 API 请求使用终结点和密钥

查询您的模型

使用以下 URL、标头和 JSON 正文创建 POST 请求，开始测试对话语言理解模型。

请求的 URL

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}

标头

使用以下标头对请求进行身份验证。

请求主体

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "id": "1",
      "participantId": "1",
      "text": "Text 1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "stringIndexType": "TextElement_V8"
  }
}

发送请求后，你将获得有关预测的以下响应

响应体

{
  "kind": "ConversationResult",
  "result": {
    "query": "Text1",
    "prediction": {
      "topIntent": "inten1",
      "projectKind": "Conversation",
      "intents": [
        {
          "category": "intent1",
          "confidenceScore": 1
        },
        {
          "category": "intent2",
          "confidenceScore": 0
        },
        {
          "category": "intent3",
          "confidenceScore": 0
        }
      ],
      "entities": [
        {
          "category": "entity1",
          "text": "text1",
          "offset": 29,
          "length": 12,
          "confidenceScore": 1
        }
      ]
    }
  }
}

对话项目的 API 响应

在对话项目中，系统将同时返回项目中定义的意图和实体的预测结果。

• 意图和实体包括一个介于 0.0 到 1.0 之间的置信度分数，该分数与模型对于预测项目中某个元素的信心程度相关。
• 评分最高的意图将单独输出在专属参数中。
• 只有预测的实体才会显示在响应中。
• 实体指示：
  • 提取的实体的文本
  • 用偏移值表示的开始位置
  • 用长度值表示的实体文本的长度。

使用客户端库 （Azure SDK）

还可以使用 Azure SDK 提供的客户端库将请求发送到模型。

1. 在 Azure 门户中，转到资源概述页面

2. 在左侧菜单中，选择“密钥和终结点”。 使用终结点进行 API 请求，并且你需要在头部包含Ocp-Apim-Subscription-Key 密钥。

   

3. 下载并安装所选语言的客户端库包：

   语言	软件包版本
   .NET	1.0.0
   Python语言	1.0.0

4. 安装客户端库后，使用 GitHub 上的以下示例开始调用 API。

   • C#
   • Python

5. 有关详细信息，请参阅以下参考文档：

   • C#
   • Python