隨著科技的進步與機器運算能力日漸強大，人們開始追求更方便、舒適的生活，像是如何讓機器去幫助人們解決各種問題，如何讓事情處理起來更快速、更精準，在這樣的趨勢下，人工智慧開始成為一個熱門的話題，在各種領域中，都能看到與它相關的應用。

語意識別是在人工智慧當中的一門技術，當機器收到一段文字或句子時，機器會去分析這段文字跟句子、並了解所代表的語意，便是語意識別在做的事，Language Understanding Intelligent Service (LUIS)便是一個微軟所提供去進行語意識別的API雲端式服務。

LUIS會要求使用者建立一個App，這個App可能會是針對某個領域的語句去分析它的語意，例如點餐服務：會分析使用者說的語句，決定出使用者想要的餐點。這個App也可以設計去判斷獨特的語句，例如，讓機器可以看懂一些獨特、少用，但自己會用到的語法。在決定好自己App要用的主題後，便可以開始建立自己的語意識別App。

建立LUIS App

LUIS為微軟提供的雲端式服務，所有模型的設定都在https://www.luis.ai/這個網站中進行，進入網站後，點選網站中Login / Sign up這個按鈕，便可以開始使用，首先會要求使用者登入或註冊帳戶，若有微軟的帳戶，就可以直接使用，沒有的話則要先註冊一個帳戶，才能繼續進行後面的步驟。

進入LUIS網站並登入後，看到My Apps的列表，可以選擇自己建立過的App，或是建立新的App來使用。在LUIS中，每一個App，都代表著一個不同的語意模型，它們面對各個語法，都有各自的判斷方式，即使是同樣的一句話，而且當中每個字都一樣，但在不同的App中，它們也可能被當作不同的意思來看待。

首先我們得建立自己的App，這裡有Create new App跟Import new App兩種方式來建立，Create new App是從頭到尾自己建立，Import new App則是將過去自己或他人建好的App讀取入自己的LUIS中來使用。

假設要做一個簡單的點餐服務，選擇Create new App，開始建立自己的語意模型，當中Name的欄位表示要給這個App的名稱，由於要做一個點餐服務，所以在這裡輸入order。Culture表示這個App要使用的語言，選擇不同的語言可以辨識不同語言的語意，但因為Chinese目前只支援簡體中文，繁體中文可能無法完全辨識正確，這裡選擇使用English。Description為描述這個App，可以自行決定是否輸入，輸入完成後，如圖一。

圖一 : 建立新的App

在將App的基本資料都輸入完後，點選Done，便建立好一個新的App，並且網站會自動進入到這個App中Intents的頁面。

在開始定義LUIS的語意前，得先知道幾個常用詞

1.Intent: 各個句子都有它們所代表的意圖，在語意分析中我們大多將句子的意圖稱之為Intent，像是「你好」、「嗨」、「很高興見到你」都是為了打招呼用，我們就可以把這些句子，都定義為叫做「打招呼」的Intent。

2.Utterance: 在「打招呼」的Intent中，包含著「你好」、「嗨」、「很高興見到你」這些語句，我們便把Intent中的這些語句稱之為Utterance。

3.Entity: 在「他昨天前往台北」、「他今天前往台中」、「他前天前往台南」這些Utterance都是「某個時間前往某地」的Intent，而昨天、今天、前天，這些詞都代表著「時間」，台北、台中、台南，這些詞都代表著「地點」，我們將「時間」、「地點」這些句子中的關鍵詞，稱之為Entity。所以「某個時間前往某地」這個Intent，包含「時間」、「地點」這兩個Entity。

建立Entity

為了讓Intent的辨識能力更加強大，我們這裡先建立Entities，再來建立Intents。首先，在左邊App Asset的選單中，點選Entities，進到Entities的頁面，如圖二。

圖二 : Entities頁面

在點餐服務的句子中，需要使用到但是結果可能因人而異的詞語有「餐點名稱」、「數量」，由於定義數量的Entity，在LUIS裡面已經有內建好的可以使用，所以我們這裡只建立餐點名稱的Entity。點選Create new entity，開始建立個人entity，Entity name叫做Menu，Entity type選Simple，最後點選Done建立entity，如下圖三。

圖三 : 建立Entity

假設點餐服務的商品有薯條、漢堡、炸機、可樂、蘇打，所以我們在Roles的Create new role中輸入French fries, Burger, Fried chicken, Cola, Soda，將這些餐點名稱定義到Menu這個Entity中，便定義好這個Entity，如圖四。

圖四 : 代表餐點名稱的Entity: Menu

建立Intent

在點餐服務中，我們會需要去點單、買單，所以會分別建立「點單」、「買單」的Intent。首先建立代表「點單」意圖的Intent，在Intents頁面中我們點選Create new intent，在Intent name中輸入Order_Meal，點選Done建立Intent。

點餐的句子，可能會有「Give me one burger」、「I’ll have two cola」、「I would like three french fries」、「Can I have five fried chicken」、「I would like to order ten soda」等，所以我們要在Utterance中加入這些句子。

在Utterance中，one, two, three, five, ten這些詞，都有數量的意思在，我們用滑鼠點選Utterance中的這些詞，便可以加入Entity，這裡我們要選擇代表「數量」的Entity，在前面有提到，LUIS中有內建跟數量相關的Entity，所以這裡要選擇Add a prebuilt entity，如圖五，看到許多LUIS已內建好的Entity，選擇「number」這個Entity，之後one, two, three, five, ten這些詞就算替換成其他數字，LUIS一樣都能夠了解語意。

圖五 : 加入LUIS內建的Entity

而Utterance中burger, cola, french fries, fried chicken, soda這些詞，都是餐點名稱，用滑鼠點選Utterance中的這些詞，找到前面建立的「Menu」這個Entity並選擇，如圖六。

圖六 : 加入自己建立的Entity

將「Menu」、「number」這兩個Entity都加入後，我們便定義完成Order_Meal這個意圖是去點單的Intent，如圖七。

圖七 : 點單Intent: Order_Meal

意圖是「買單」的Intent，作法跟「點單」的Intent類似，點選Create new intent，在Intent name中輸入Pay_Bill，點選Done建立Intent。在Utterance中加入「How much」、「May I have the check」、「Can we have the bill」、「Check, please」、「How much is the check」這些擁有買單語意的句子，由於這裡不需要用到Entity，所以我們加入好Utterance後，就已建立完Pay_Bill這個代表「買單」的Intent，如圖八。

圖八 : 買單Intent: Pay_Bill

測試LUIS App

先點選畫面右上角的Train，等training完後，點選畫面右上角的Test，出現一個panel，能夠輸入要測試的語句，並辨識出語句的語意，如圖九。

圖九 : 測試LUIS語意識別功能的panel

這裡我們測試「Can I have eight burger」，LUIS辨識完這句話的Intent是Order_Meal，Entities中number為eight，而Menu為burger，辨識的結果正確，如圖十。

圖十 : 測試LUIS語意辨識結果-1

接著我們測試「May I have the check」，LUIS辨識完這句話的Intent是Pay_Bill，沒有Entities，辨識的結果正確，如圖十一。

圖十一 : 測試LUIS語意辨識結果-2

在測試完兩個語句後，發現結果都正確。這裡需要注意一下，每次有地方做完修改，都要記得去Train，再去測試或是使用，不然語意辨識完的結果可能會錯誤。

結論

本文只提到LUIS常用的功能，若想建立能更精確分析語句的語意識別程式，可以更深入研究LUIS，並使用其它的功能，像是Pattern, Phrase等，來加強自己程式的辨識準確率，讓它能應對更多種情境、更複雜的句子。還有許多類似LUIS的語意識別服務可以使用，像是Google的Dialogflow、Facebook的wit.ai，都有各自的優劣，大家可以根據各自的需求，來決定要用哪款，實作適合自己的語意識別程式。

建立完個人的語意識別APP後，也可以配合其它的程式、API，來擴充自己APP的應用。由於LUIS只提供語意識別功能，雖然能讓程式辨識文字的語意，但不會去做其它動作，所以常常需要搭配其它的程式或服務，才能不只是了解語言，也能做出相對的回應。像是配合Microsoft Azure上的語音API、Bot等服務，讓程式能透過語音輸入，並且判斷使用者的話語，決定要作出什麼相對的回覆，最後還可以搭配LINE, Facebook這些社群軟體，就可以完成自己獨一無二的聊天機器人。

(本文作者林承毅任職於凌群電腦)

參考文獻

[1] https://www.luis.ai/

[2] https://docs.microsoft.com/zh-tw/azure/cognitive-services/luis/

[3] https://kknews.cc/zh-tw/tech/zm4zang.html

[4] https://docs.microsoft.com/zh-tw/azure/cognitive-services/luis/what-is-luis

[5]https://blogs.msdn.microsoft.com/microsoft_student_partners_in_taiwan/2017/10/26/%E3%80%90luis%E3%80%91%E5%9C%A8-10-%E5%88%86%E9%90%98%E5%85%A7%E5%89%B5%E9%80%A0%E6%82%A8%E7%9A%84%E7%AC%AC%E4%B8%80%E5%80%8B-luis-app/

[6] https://blog.alantsai.net/posts/2018/07/bot-framework-with-ai-cognitive-service-17-text-semantic-recognition-service-luis-concept-intro#WizKMOutline_1532178669350572

[7] https://blog.alantsai.net/posts/2018/07/bot-framework-with-ai-cognitive-service-18-create-luis-app-from-theory-to-practise