LUIS 意图识别冲突

Question

我正在尝试实现一个分层聊天机器人，利用 LUIS 来识别主要意图和次要意图。 作为其中的一部分，创建了许多 LUIS 模型并进行了培训。 然而，在各种情况下观察到 LUIS 的行为很奇怪且出乎意料。 例如，使用以下话语训练了一个名为 Leave 的 LUIS 模型。

话语意图 我有资格获得领养假吗？离开查询 我的假期余额是多少？离开查询 什么是病假？离开查询 谁批准我的病假？离开批准

在训练这些话语后，针对休假上下文的查询按预期工作。 但是，当针对 Leaves 模型验证以下消息并期望接收“None”意图时，LUIS 将返回其他意图“None”，这没有任何意义。

查询预期意图实际意图 我有资格获得贷款吗？无 离开查询 我的贷款余额是多少 无 离开查询 谁批准我的贷款 无 离开查询

这里的问题是“我是否有资格获得贷款”根本不属于此 LUIS 模型，并且期待“无”意图。 这个想法是当话语不属于查询的 LUIS 模型时接收 None 意图，以便可以检查其他模型的有效意图。 但是我总是有一些意图而不是“none”。

不确定我是否在这里做错了什么。 任何有关这方面的帮助/指导都会很有帮助。

Answer 1

我同意史蒂文上面的建议

1. 训练无意图是一种很好的做法
2. 定义实体会有所帮助

如果您想根据某个域对您的意图进行分类，例如，在当前情况下离开。我建议创建一个值为 leave 的 List 实体。

如果您想要任何带有离开词的内容，请离开查询意图。

anything about [leave ]

当前版本结果

Top scoring intent
Leave Query (1)
Other intents
None (0.28)

其余句子没有离开

anything about loan

当前版本结果

Top scoring intent
None (0.89)
Other intents
Leave Query (0)

虽然这里有限制，但您可以让它更明确，例如评分将是 1 或 0 用于离开查询。

这取决于您的用例，您是想采用确定性方法还是预测性方法。对于机器对机器通信，您可能会考虑采用确定的方法，但对于聊天机器人之类的东西，您可能更喜欢采用预测方法。

不过，这是一个不错的小技巧，可能会对您有所帮助。

希望对你有帮助

Answer 2

您的模型训练有素，注册了多少话语？只是为了检查一下，在收到“我有资格获得贷款吗？”和“谁批准我的贷款”并训练他们不匹配的机器人后，你是否进入了 LUIS 门户离开意图？

请注意，在任何语言理解模型经过彻底训练之前，它们都容易出错。

在查看您的话语时，我注意到它们都非常相似：

• “我有资格获得领养假吗？” vs “我有资格获得贷款吗？”
• “我的假期是什么余额？” vs “我的贷款余额是多少？”
• “谁批准我的病假？” vs“谁批准我的贷款”

这些话语的差异很小。它们是非常笼统的问题，您没有表示当前正在使用任何实体。虽然通过您的简单示例可以理解这些问题缺少实体，但实体肯定有助于 LUIS 了解要匹配的意图。

要解决此问题，您需要进一步训练模型并添加实体。您可能会使用一些额外的表达方式，例如“我的假期余额是多少？”、“查看我的假期余额”、“告诉我我的假期余额”、“查看假期余额”等等。