次の方法で共有

クイックスタート: オーケストレーション ワークフロー

この記事では、Language Studio と REST API を使用して、オーケストレーション ワークフロー プロジェクトでの作業を開始します。 次の手順で例を試してみてください。

前提条件

Language Studio にサインインする

  1. Language Studio にアクセスし、Azure アカウントでサインインします。

  2. 表示される [Choose a language resource]\(言語リソースの選択\) ウィンドウで、自分の Azure サブスクリプションを見つけ、言語リソースを選びます。 リソースがない場合は、新しいものを作成できます。

    インスタンスの詳細 必須値
    Azure サブスクリプション Azure サブスクリプション。
    Azure リソース グループ Azure リソース グループ。
    Azure リソース名 Azure リソース名。
    場所 Azure リソースの有効な場所。 たとえば "米国西部 2" にします。
    価格レベル Azure リソースでサポートされている価格レベル。 Free (F0) レベルを利用してサービスを試用できます。

    Language Studio のリソースの選択画面を示すスクリーンショット。

オーケストレーション ワークフロー プロジェクトを作成する

Language リソースを作成したら、オーケストレーション ワークフロー プロジェクトを作成します。 プロジェクトは、データに基づいてカスタム ML モデルを構築するための作業領域です。 プロジェクトにアクセスできるのは、自分と、使用されている言語リソースへのアクセス権を持つユーザーのみです。

このクイック スタートのため、会話言語理解のクイックスタートを完了して、後で使用する会話言語理解プロジェクトを作成できるようにします。

  1. Language Studio で [質問と会話言語を理解する] というラベルのセクションを見つけて、[オーケストレーション ワークフロー] を選択します。

    Language Studio ランディング ページのオーケストレーション ワークフロー セクションの場所を示すスクリーンショット。

  2. これにより、オーケストレーション ワークフロー プロジェクトのページに移動します。 [新しいプロジェクトの作成] を選択します。 プロジェクトを作成するには、次の詳細を指定する必要があります。

値 説明
名前 プロジェクトの名前。
説明 オプションのプロジェクトの説明。
発話の主要言語 プロジェクトの第一言語。 トレーニング データは、主にこの言語にする必要があります。

完了したら、[次へ] を選択し、詳細を確認します。 [プロジェクトの作成] を選択してプロセスを完了します。 プロジェクトの [スキーマの作成] 画面が表示されます。

スキーマの作成

会話言語理解のクイックスタートを完了し、オーケストレーション プロジェクトを作成したら、次の手順として意図を追加します。

以前に作成した会話言語理解プロジェクトに接続するには、次の手順に従います。

  • オーケストレーション プロジェクトの [スキーマの作成] ページで、[追加] を選択して意図を追加します。
  • 表示されるウィンドウで、意図に名前を付けます。
  • [はい、既存のプロジェクトに接続します] を選択します。
  • 接続済みサービスのドロップダウンから、[会話言語理解] を選択します。
  • プロジェクト名のドロップダウンから、会話言語理解プロジェクトを選択します。
  • [意図の追加] を選択して意図を作成します。

モデルをトレーニングする

モデルをトレーニングするには、トレーニング ジョブを開始する必要があります。 成功したトレーニング ジョブの出力は、トレーニング済みのモデルです。

Language Studio 内からモデルのトレーニングを開始するには:

  1. 左側のメニューから [トレーニング ジョブ] を選びます。

  2. 上部のメニューから [トレーニング ジョブの開始] を選択します。

  3. [新しいモデルのトレーニング] を選択し、テキスト ボックスにモデル名を入力します。 また、[既存のモデルを上書きする] オプションを選択し、ドロップダウン メニューから上書きするモデルを選択することにより、既存のモデルを上書きすることもできます。 トレーニング済みモデルを上書きすると、元に戻すことはできません。ただし、新しいモデルをデプロイするまで、デプロイされているモデルには影響しません。

    発話にタグ付けする際にプロジェクトでデータを手動で分割することを有効にした場合、2 つのデータ分割オプションが表示されます。

    • トレーニング用データからテスト用セットを自動分割: タグ付けされた発話が、選択した割合に従ってランダムにトレーニング用セットとテスト用セットに分割されます。 既定の分割割合は、トレーニング用が 80%、テスト用が 20% です。 これらの値を変更するには、変更するセットを選択し、新しい値を入力します。

    注

    [トレーニング用データからテスト用セットを自動分割] オプションを選択した場合、トレーニング用セット内の発話のみが指定された割合に従って分割されます。

    • トレーニングおよびテスト データの手動分割を使用する: プロジェクトのタグ付け手順中に、各発話をトレーニング用セットまたはテスト用セットに割り当てます。

    注

    [トレーニングおよびテスト データの手動分割を使用する] オプションは、タグ データ ページでテスト用セットに発話を追加する場合にのみ有効になります。 それ以外の場合は無効になります。

    会話言語理解プロジェクトの [モデルのトレーニング] ページを示すスクリーンショット。

  4. [トレーニング] ボタンを選択します。

注

  • 正常に完了したトレーニング ジョブでのみ、モデルが生成されます。
  • トレーニングは、タグ付けされたデータのサイズに応じて、数分から数時間かかる場合があります。
  • 一度に実行できるトレーニング ジョブは 1 つだけです。 実行中のジョブが完了するまで、同じプロジェクト内で他のトレーニング ジョブを開始することはできません。

モデルをデプロイする

通常はモデルをトレーニングした後、その評価の詳細を確認します。 このクイックスタートでは、モデルをデプロイして Language Studio で試せるようにするところまで行いますが、予測 API を呼び出すこともできます。

Language Studio 内からモデルをデプロイするには、次の手順を行います。

  1. 左側のメニューから [モデルのデプロイ] を選択します。

  2. [デプロイの追加] を選択して、新しいデプロイ ジョブを開始します。

    Language Studio のモデル デプロイ ボタンを示すスクリーンショット。

  3. [新しいデプロイの作成] を選択して新しいデプロイを作成し、下のドロップダウンからトレーニング済みモデルを割り当てます。 また、[既存のデプロイを上書きする] オプションを選択し、ドロップダウン メニューからトレーニング済みモデルを選択することにより、既存のデプロイを上書きすることもできます。

    注

    既存のデプロイを上書きする場合、予測 API 呼び出しを変更する必要はなく、新しく割り当てたモデルに基づいて結果が得られます。

    Language Studio で新しいデプロイを追加する画面を示すスクリーンショット。

  4. 1 つ以上の LUIS アプリケーションまたは会話言語理解プロジェクトを接続する場合は、デプロイ名を指定する必要があります。

    • カスタムの質問応答、またはリンクされていない意図には、構成は必要ありません。

    • LUIS プロジェクトは、オーケストレーションのデプロイ中に構成されたスロットに発行する必要があります。また、カスタムの質問応答 KB も運用スロットに発行する必要があります。

  5. [デプロイ] を選択して、デプロイ ジョブを送信します

  6. デプロイが成功すると、その横に有効期限が表示されます。 デプロイの有効期限とは、デプロイされたモデルを予測に使用できなくなるときであり、通常は、トレーニング構成の有効期限が切れる 12 か月後に発生します。

モデルをテストする

モデルがデプロイされたら、使用を開始して予測 API を使って予測できます。 このクイックスタートでは、Language Studio を使用して、発話を送信し、予測を取得し、結果を視覚化します。

Language Studio からモデルをテストするには、次の手順を行います

  1. 左側のメニューから [デプロイのテスト] を選択します。

  2. テストするモデルを選択します。 テストできるのは、デプロイに割り当てられているモデルのみです。

  3. [デプロイ名] ドロップダウンから、デプロイ名を選択します。

  4. テキスト ボックスに、テストする発話を入力します。

  5. 上部のメニューから [テストの実行] を選択します。

  6. テストを実行すると、結果にモデルの応答が表示されます。 結果はエンティティ カード ビューで表示することも、JSON 形式で表示することもできます。

    Language Studio でモデルをテストする方法を示すスクリーンショット。

リソースをクリーンアップする

プロジェクトが不要な場合は、Language Studio を使用してプロジェクトを削除できます。 左側のナビゲーション メニューで [プロジェクト] を選択し、削除するプロジェクトを選択してから、上部のメニューで [削除] を選択します。

前提条件

Azure portal から Language リソースを作成する

Azure portal から新しいリソースを作成する

  1. Azure portal に移動し、新しい Azure AI Language リソースを作成します。

  2. [リソースの作成を続行する] を選択します

  3. 次の詳細を使用して言語リソースを作成します。

    インスタンスの詳細 必須値
    リージョン サポートされているリージョンのいずれか。
    名前 Language リソースの名前。
    価格レベル サポートされている価格レベルのいずれか。

リソースのキーとエンドポイントを取得する

  1. Azure portal でリソースの概要ページに移動します。

  2. 左側のメニューで [キーとエンドポイント] を選びます。 API 要求のエンドポイントとキーを使用します

    Azure portal のキーとエンドポイント ページを示すスクリーンショット

オーケストレーション ワークフロー プロジェクトを作成する

Language リソースを作成したら、オーケストレーション ワークフロー プロジェクトを作成します。 プロジェクトは、データに基づいてカスタム ML モデルを構築するための作業領域です。 プロジェクトにアクセスできるのは、自分と、使用されている言語リソースへのアクセス権を持つユーザーのみです。

このクイックスタートでは、CLU クイックスタートを完了して、オーケストレーション ワークフローで使用する CLU プロジェクトを作成します。

新しいプロジェクトを作成するには、次の URL、ヘッダー、JSON 本文を使って PATCH 要求を送信します。

要求 URL

API 要求を作るときは、次の URL を使います。 次のプレースホルダーの値を実際の値に置き換えてください。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 myProject
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

本文

次のサンプル JSON を本文として使います。

{
  "projectName": "{PROJECT-NAME}",
  "language": "{LANGUAGE-CODE}",
  "projectKind": "Orchestration",
  "description": "Project description"
 }
キー プレースホルダー 値 例
projectName {PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 EmailApp
language {LANGUAGE-CODE} プロジェクトで使用される発話の言語コードを指定する文字列。 プロジェクトが多言語プロジェクトの場合は、ほとんどの発話の言語コードを選択します。 en-us

スキーマの作成

CLU クイックスタートを完了し、オーケストレーション プロジェクトを作成したら、次の手順として意図を追加します。

プロジェクトをインポートするには、次の URL、ヘッダー、JSON 本文を使って POST 要求を送信します。

要求 URL

API 要求を作るときは、次の URL を使います。 次のプレースホルダーの値を実際の値に置き換えてください。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:import?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 myProject
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

本文

注

各意図は、(CLU、LUIS、qna) から 1 つの種類のみにする必要があります

次のサンプル JSON を本文として使います。

{
  "projectFileVersion": "{API-VERSION}",
  "stringIndexType": "Utf16CodeUnit",
  "metadata": {
    "projectKind": "Orchestration",
    "settings": {
      "confidenceThreshold": 0
    },
    "projectName": "{PROJECT-NAME}",
    "description": "Project description",
    "language": "{LANGUAGE-CODE}"
  },
  "assets": {
    "projectKind": "Orchestration",
    "intents": [
      {
        "category": "string",
        "orchestration": {
          "kind": "luis",
          "luisOrchestration": {
            "appId": "00001111-aaaa-2222-bbbb-3333cccc4444",
            "appVersion": "string",
            "slotName": "string"
          },
          "cluOrchestration": {
            "projectName": "string",
            "deploymentName": "string"
          },
          "qnaOrchestration": {
            "projectName": "string"
          }
        }
      }
    ],
    "utterances": [
      {
        "text": "Trying orchestration",
        "language": "{LANGUAGE-CODE}",
        "intent": "string"
      }
    ]
  }
}
キー プレースホルダー 値 例
api-version {API-VERSION} 呼び出している API のバージョン。 ここで使用するバージョンは、URL 内と同じ API バージョンである必要があります。 2022-03-01-preview
projectName {PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 EmailApp
language {LANGUAGE-CODE} プロジェクトで使用される発話の言語コードを指定する文字列。 プロジェクトが多言語プロジェクトの場合は、ほとんどの発話の言語コードを選択します。 en-us

モデルをトレーニングする

モデルをトレーニングするには、トレーニング ジョブを開始する必要があります。 成功したトレーニング ジョブの出力は、トレーニング済みのモデルです。

次の URL、ヘッダー、JSON 本文を使って POST 要求を作成し、トレーニング ジョブを送信します。

要求 URL

API 要求を作るときは、次の URL を使います。 次のプレースホルダーの値を実際の値に置き換えてください。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 EmailApp
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

要求本文

要求では次のオブジェクトを使います。 トレーニングが完了すると、モデルに MyModel という名前が付けられます。

{
  "modelLabel": "{MODEL-NAME}",
  "trainingMode": "standard",
  "trainingConfigVersion": "{CONFIG-VERSION}",
  "evaluationOptions": {
    "kind": "percentage",
    "testingSplitPercentage": 20,
    "trainingSplitPercentage": 80
  }
}
キー プレースホルダー 値 例
modelLabel {MODEL-NAME} モデルの名前。 Model1
trainingMode standard トレーニング モード。 オーケストレーションでは、トレーニングに 1 つのモードのみが使用可能であり、それは standard です。 standard
trainingConfigVersion {CONFIG-VERSION} トレーニング構成モデルのバージョン。 既定では、最新のモデル バージョンが使用されます。 2022-05-01
kind percentage 分割方法。 指定できる値は percentage または manual です。 詳細については、モデルのトレーニング方法に関するページを参照してください。 percentage
trainingSplitPercentage 80 トレーニング セットに含めるタグ付きデータの割合。 推奨値は 80 です。 80
testingSplitPercentage 20 テスト用セットに含めるタグ付けされたデータの割合。 推奨値は 20 です。 20

注

trainingSplitPercentage と testingSplitPercentage は、Kind が percentage に設定されている場合にのみ必要であり、両方のパーセンテージの合計は 100 になる必要があります。

API 要求を送信すると、成功を示す 202 応答が返されます。 応答ヘッダーで、operation-___location の値を抽出します。 それは次のように書式設定されています。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

この URL を使用してトレーニング ジョブの状態を取得できます。

トレーニングの状態を取得する

トレーニングには 10 分から 30 分かかる場合があります。 次の要求を使用して、トレーニング ジョブが正常に完了するまで、その状態をポーリングし続けることができます。

モデルのトレーニングの進行状況を表す状態を取得するには、次の GET 要求を使用します。 次のプレースホルダーの値を実際の値に置き換えてください。

要求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}
プレースホルダー 値 例
{YOUR-ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 EmailApp
{JOB-ID} モデルのトレーニングの状態を取得するための ID。 これは、トレーニング ジョブを送信したときに受け取った ___location ヘッダー値内にあります。 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

応答本文

要求を送信すると、次の応答を受け取ります。 status パラメーターが "succeeded" に変化するまで、このエンドポイントのポーリングを続けます。

{
  "result": {
    "modelLabel": "{MODEL-LABEL}",
    "trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "xxxxxx-xxxxx-xxxxxx-xxxxxx",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}
キー 値 例
modelLabel モデル名 Model1
trainingConfigVersion トレーニング構成バージョン。 既定では、最新バージョンが使用されます。 2022-05-01
startDateTime トレーニングが開始された時間 2022-04-14T10:23:04.2598544Z
status トレーニング ジョブの状態 running
estimatedEndDateTime トレーニング ジョブが完了するまでの推定時間 2022-04-14T10:29:38.2598544Z
jobId トレーニング ジョブ ID xxxxx-xxxx-xxxx-xxxx-xxxxxxxxx
createdDateTime トレーニング ジョブの作成日時 2022-04-14T10:22:42Z
lastUpdatedDateTime トレーニング ジョブの最終更新日時 2022-04-14T10:23:45Z
expirationDateTime トレーニング ジョブの有効期限の日時 2022-04-14T10:22:42Z

モデルをデプロイする

通常はモデルをトレーニングした後、その評価の詳細を確認します。 このクイック スタートでは、モデルをデプロイし、予測 API を呼び出して結果を照会します。

デプロイ ジョブを送信する

次の URL、ヘッダー、JSON 本文を使用して PUT 要求を作成し、オーケストレーション ワークフロー モデルのデプロイを開始します。

要求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 myProject
{DEPLOYMENT-NAME} デプロイの名前。 この値は、大文字と小文字の区別があります。 staging
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

要求本文

{
  "trainedModelLabel": "{MODEL-NAME}",
}
キー プレースホルダー 値 例
trainedModelLabel {MODEL-NAME} デプロイに割り当てられるモデル名。 正常にトレーニングされたモデルのみ割り当てることができます。 この値は、大文字と小文字の区別があります。 myModel

API 要求を送信すると、成功を示す 202 応答が返されます。 応答ヘッダーで、operation-___location の値を抽出します。 それは次のように書式設定されています。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}

この URL を使用してデプロイ ジョブの状態を取得できます。

デプロイ ジョブの状態を取得する

次の GET 要求を使って、デプロイ ジョブの状態を取得します。 次のプレースホルダーの値を実際の値に置き換えてください。

要求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/deployments/{DEPLOYMENT-NAME}/jobs/{JOB-ID}?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 myProject
{DEPLOYMENT-NAME} デプロイの名前。 この値は、大文字と小文字の区別があります。 staging
{JOB-ID} モデルのトレーニングの状態を取得するための ID。 これは、モデル デプロイ要求に応答して API から受け取った ___location ヘッダー値内にあります。 xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxxx
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

応答本文

要求を送信すると、次の応答を受け取ります。 status パラメーターが "succeeded" に変化するまで、このエンドポイントのポーリングを続けます。

{
    "jobId":"{JOB-ID}",
    "createdDateTime":"{CREATED-TIME}",
    "lastUpdatedDateTime":"{UPDATED-TIME}",
    "expirationDateTime":"{EXPIRATION-TIME}",
    "status":"running"
}

モデルにクエリを実行する

モデルがデプロイされたら、使用を開始して、予測 API を使用して予測を行うことができます。

デプロイが成功すると、予測用のデプロイ モデルにクエリの実行を開始できます。

次の URL、ヘッダー、JSON 本文を使って POST 要求を作成し、オーケストレーション ワークフロー モデルのテストを始めます。

要求 URL

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

要求本文

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "text": "Text1",
      "participantId": "1",
      "id": "1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "directTarget": "qnaProject",
    "targetProjectParameters": {
      "qnaProject": {
        "targetProjectKind": "QuestionAnswering",
        "callingOptions": {
          "context": {
            "previousUserQuery": "Meet Surface Pro 4",
            "previousQnaId": 4
          },
          "top": 1,
          "question": "App Service overview"
        }
      }
    }
  }
}

応答本文

要求を送信すると、予測に対して次の応答を受け取ります。

{
  "kind": "ConversationResult",
  "result": {
    "query": "App Service overview",
    "prediction": {
      "projectKind": "Orchestration",
      "topIntent": "qnaTargetApp",
      "intents": {
        "qnaTargetApp": {
          "targetProjectKind": "QuestionAnswering",
          "confidenceScore": 1,
          "result": {
            "answers": [
              {
                "questions": [
                  "App Service overview"
                ],
                "answer": "The compute resources you use are determined by the *App Service plan* that you run your apps on.",
                "confidenceScore": 0.7384000000000001,
                "id": 1,
                "source": "https://learn.microsoft.com/azure/app-service/overview",
                "metadata": {},
                "dialog": {
                  "isContextOnly": false,
                  "prompts": []
                }
              }
            ]
          }
        }
      }
    }
  }
}

リソースをクリーンアップする

プロジェクトが不要になったら、API を使用してプロジェクトを削除できます。

以下の URL、ヘッダー、JSON 本文を使用して DELETE 要求を作成し、会話言語理解プロジェクトを削除します。

要求 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}?api-version={API-VERSION}
プレースホルダー 値 例
{ENDPOINT} API 要求を認証するためのエンドポイント。 https://<your-custom-subdomain>.cognitiveservices.azure.com
{PROJECT-NAME} プロジェクトの名前。 この値は、大文字と小文字の区別があります。 myProject
{API-VERSION} 呼び出す API のバージョン。 2023-04-01

ヘッダー

要求を認証するには、次のヘッダーを使います。

キー 値
Ocp-Apim-Subscription-Key リソースへのキー。 API 要求の認証に使われます。

API 要求を送信すると、成功を示す 202 応答を受け取ります。これは、プロジェクトが削除されたことを意味します。

次のステップ