如何训练具有密切相关话语的 luis，应该以两种不同的意图进行训练答案

【问题标题】：How to Train luis which have very closely related utterence which should be trained in 2 different intents如何训练具有密切相关话语的 luis，应该以两种不同的意图进行训练
【发布时间】：2020-06-13 18:36:52
【问题描述】：

我拥有在 LUIS 中训练的大量数据。大多数意图具有彼此非常密切相关的话语，因此 LUIS 无法在训练后指出正确的意图。

例如取两个intent1和intent2

示例 1：

intent1：信用卡交易未显示在我的 TE 中

intent2：HR mini 中没有显示信用卡（这是错误的预测，指向 intent1）

示例 2：

intent1：我的电子邮件被锁定

intent2：锁定（这是错误的预测，指向intent1）

intent1 训练有更多的话语，大约 50 个，其中包含诸如信用、交易、电子邮件之类的词但是intent2没有经过很多人的训练。

因此，在我询问意图 2 查询时经过训练后，Luis 预测错误并将我带到意图 1。

有人可以帮助我了解我们如何使用这些话语仔细训练模型

【问题讨论】：

标签： azure-language-understanding training-data

【解决方案1】：

鉴于您有大量数据，建议您关注best practices for building LUIS apps。

例如，确保每个意图的词汇仅针对该意图，并且不与不同的意图重叠。

预订航班和预订酒店使用与预订相同的词汇。这种格式是相同的，因此它应该具有相同的意图，将航班和酒店的不同词作为提取的实体。
不正确的预测结果显示具有话语的意图，这些话语用作特定意图的示例，但针对不同的意图进行了预测。您可以做的是编辑话语，使其更具体地针对意图并训练应用程序或组合意图如果话语过于紧密地对齐并再次训练。李>

希望这会有所帮助！

【讨论】：

这是一个很好的方法。

【解决方案2】：

典型问题。通过交叉验证微调您的训练数据，以便您获得系统性结果。 F1 分数并不总是有帮助，尤其是对于大型模型。您也可以使用 QBox 工具来分析您的训练数据和单词的影响。（注意我在那里工作）

这仍然是一个非常经验性的过程，您需要能够对其进行测试、进行小改动、再次测试并比较结果

【讨论】：