.net - LUIS 意图不返回带有空格的实体的整个值

Question

我创建了一个像这样的 LUIS 话语，其中包含一个简单的实体: 客户 abc 的订单正在处理

其中 abc 被简单实体 vf_NARCName 替换

在机器人中，当我输入以下问题时: 客户动物皮肤科医院订单处理中

这里的客户名称是 Animal Dermatology Hospital，用空格分隔，然后当我通过 LUIS Rest API 获取数据时，我得到的是 Animal 作为实体值，而不是 Animal Dermatology Hospital，有时也没有实体值返回

 {
      "query": " orders in process for customer Animal Dermatology Service",
      "topScoringIntent": {
        "intent": "OrderDetails_2a598c9b-7cb5-4113-9aca-435b55bbe19e",
        "score": 0.7547371
      },

返回数据

{
  "query": "how many orders are currently in process for customer Animal Dermatology Service",
  "topScoringIntent": {
    "intent": "OrderDetails_2a598c9b-7cb5-4113-9aca-435b55bbe19e",
    "score": 0.6452578
  },
  "entities": []
}

但是如果我仅使用 Animal 查询它，则会返回正确的数据

返回数据

{
      "query": "how many orders are currently in process for customer Animal",
      "topScoringIntent": {
        "intent": "OrderDetails_2a598c9b-7cb5-4113-9aca-435b55bbe19e",
        "score": 0.8928922
      },
      "entities": [
        {
          "entity": "animal",
          "type": "vf_NARCName",
          "startIndex": 54,
          "endIndex": 59,
          "score": 0.500023663
        }
      ]
    }

Answer 1

您的 LUIS 应用本质上需要更多关于该实体如何发生的话语。

我想说策略 1.) 可能是最有用的，但请列出您可能包含的其他选项，以帮助您进行实体检测。

<小时/>

1. 通过 vf_NARCName 实体的有值(value)的变体添加更多话语

如 First Tutorial in the documentation 中所述在“构建应用程序”部分下，确保包含:

• 每个意图至少15 个话语，其中包括实体呈现的不同方式

您应该注意包含的变体是:

• 词序差异(实体在话语中出现的位置)
• 时态(如“was”、“is”、“will be”，如 this tutorial 所示)
• 语法正确性
• 话语和实体本身的长度(字数)

最后一点可能是您应该包含更多示例的一点。因此，请检查包含 vf_NARCName 实体的话语，这些实体的长度不仅仅是 1 个单词，而是 2 或 3 个单词，甚至更长(如果您的应用中可能存在这种情况)。

<小时/>

添加短语列表

如docs describing what Phrase Lists are状态，

A phrase list includes a group of values (words or phrases) that belong to the same class and must be treated similarly

这是您可以帮助向 LUIS 发送另一个信号以帮助检测您的 vf_NARCName 实体的另一种方式。

如何添加短语列表的教程 here .

<小时/>

最后，您可能想研究使用 Pattern.any

作为Pattern.any docs在此声明，

use the pattern.any entity to extract data from utterances where the utterances are well-formatted and where the end of the data may be easily confused with the remaining words of the utterance

因此，如果您知道您可能拥有潜在的 vf_NARCName 实体，并且该实体本身的字数非常长，那么您可能会从使用 Pattern.any 实体中受益。

例如，您可能有“喜欢长名字但讨厌小说的部门”作为 vf_NARCName 实体。 LUIS 可能很难确定该实体的确切结束位置，但可以通过使用 Pattern.any 来做到这一点。