Bots LUIS-microsoft认知服务短语列表功能，用于将短语识别为实体

路易斯是一个伟大的工具。我们开始着手编写聊天机器人，并希望使用LUIS服务。我们希望LUIS从给定文本中识别各种Microsoft产品

比如说，我希望LUIS将

sharepoint 2010

、

sharepoint 2013

、

visual studio 2013

、visual studio 2010”等识别为技术产品。我们尝试添加“产品”“功能和添加的coma分隔值如上所示。但是，该模型只支持

sharepoint

，

visual

——基本上是一个单词。它无法识别该短语

在使用一些数据进行培训后，它能够将

sharepoint

和

visual

识别为技术（实体），但是，整个短语不起作用

然后，我们切换到简单的正则表达式，也使用了这个

（SharePoint）\s*（2013 | 2007 | 2010）

非常直接。它仍然无法将其识别为单个短语

---

有人能帮我吗？

快速更新……我能够正确理解逻辑，使模型理解“SharePoint 2013”整体上是一个产品。然而，在给出相同的上下文后，它无法预测不在“短语列表特征”中的任何其他产品

我一直在接受“我在BizTalk上工作”、“我在SQL上工作”…（都是单字母单词）的培训，一旦它开始正确预测单字母“技术/产品”。我说“我在Sharepoint 2016上工作”，那么它只预测“Sharepoint”“作为产品。然后我添加了所有成功的单词产品，并与它们一起给出了“SharePoint 2016”和宾果游戏。。。成功了

到目前为止还不错

这里有一件棘手的事情，现在模型对于上下文的模式以及各种产品的命名方式已经非常稳定，我想让它预测“我在Exchange 2016上工作过”，但不幸的是，它不起作用。它仅仅预测“交换”是一种产品。然后，我在相同的背景下（“我在YYYY上工作”）用一些项目进行了大量培训。至少现在，模式匹配算法应该已经理解了模式。当以“我在VisualStudio2016上工作”的口吻发表时，它没有预测到“VisualStudio2016”就是这个产品。它只预测“VisualStudio”是一种产品。现在请注意，在短语中，我还添加了“Visual Studio”、“Visual Studio 2013”、“Visual Studio 2010”，并成功地进行了培训和预测。为什么现在无法预测“VisualStudio2016”是一款产品？？？？我应该在短语列表中添加多少这样的产品？现在的人工智能怎么样

---

这个想法是基于上下文和一些模式，它应该能够轻松地预测其余的“产品”。我错过了什么？

我和路易斯面临着类似的学习曲线。对于你想要的，你应该使用一个简单的实体。我发现，对于你想要的每一个单词变体，你必须训练至少3次。因此，如果你试图选取的实体可以有1到5个单词，那么每个短语需要15个话语。这就是15个“我做过这样那样的工作”的短语。如果你还想要另一个短语，比如“我知道如何使用某某”，你至少还需要另外15句话。简言之，你需要大量的话语。我还经历过，如果你的实体混合了数字词，如“2017”或“三”，或“of the”等词，你可能需要更多的话语。在您的情况下，您至少需要：

我在工作室工作
我从事视觉
我在2017年工作
我在visual studio工作
我在outlook 2017上工作
我在伪造申请表上工作
我在Microsoft visual studio上工作
我在2017 word文档上工作
我在Skype for business上工作
我在谷歌地图计步器应用程序上工作
我在visual basic for applications上工作
我从事计算机应用培训信息工作
我曾在大小帆船上工作过
我在一二三四五工作
我在绿-蓝-红-橙-黄上工作

明白了吗？确保在每个语句中标记实体

此外，如果您有相似但不同类型的短语，您可以使用LUIS的短语列表功能，而不是再添加15项。假设您还想要“我知道如何使用…”只需创建一个名为“我工作过”的短语列表，并添加短语列表，例如：

我在
我知道如何使用
我与
我对
我擅长
我最擅长
…等