Azure language understanding 如何训练luis，因为luis的话语关系非常密切，应该在两种不同的意图中进行训练

我有非常大的数据，我在路易斯训练。大多数意图都有彼此非常密切相关的话语，因此路易斯在训练后无法指出正确的意图

例如，取两个intent1和intent2

示例1:

意图1：信用卡交易不会出现在我的TE中

intent2：HR mini中未显示信用卡（这是错误预测的，直接指向intent1）

示例2:

意图1：我的电子邮件被锁在外面了

intent2：锁定（预测错误，指向intent1）

intent1经过培训，有更多的话语，大约50个，包括信用、交易、电子邮件等 但intent2并没有接受过很多培训

因此，在培训后，当我询问intent 2查询时，Luis预测错误，并将我带到intent 1

---

有人能帮我了解一下我们如何用这些话语仔细训练模型吗

鉴于你有大量的数据，我建议你遵循以下步骤

• 例如，确保每个意图的词汇表仅适用于该意图，而不与不同的意图重叠。 预订航班和预订酒店使用与预订a相同的词汇。这种格式是相同的，因此它应该与提取实体的航班和酒店的不同单词具有相同的意图

• 不正确的预测结果显示了有话语的意图，这些话语被用作特定意图的示例，但被预测用于不同的意图。你可以做的是编辑话语，使其更具体地表达意图，并训练应用程序，或者如果话语排列得太近，则结合意图，然后再次训练

---

希望这有帮助

典型问题。通过交叉验证对训练数据进行微调，从而获得系统的结果。F1分数并不总是有用，尤其是对于大型车型。您还可以使用QBox工具分析培训数据和单词的影响。（注：我在那里工作）

---

这仍然是一个非常经验性的过程，你需要能够测试它，做出小的改变，再次测试并比较结果

这是一个很好的方法。