bots - LUIS - 用于将短语识别为实体的 Microsoft 认知服务短语列表功能

Question

LUIS 是一个很棒的工具。我们开始着手编写一个聊天机器人，我们想要使用 LUIS 服务。我们希望 LUIS 从给定文本中识别各种 Microsoft 产品。

假设，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”功能并添加逗号分隔值，如上所示。但是该模型仅坚持 sharepoint，visual - 基本上是单个单词。它无法识别短语。

在使用一些数据进行训练后，它能够将 sharepoint 和 visual 识别为技术(实体)，但是，整个短语 as needed 不起作用。

然后我们也使用此 (SharePoint)\s*(2013|2007|2010) 非常直接地切换到简单的 RegEx。它仍然无法将其识别为单个短语。

有人可以帮我解决这个问题吗？

Answer 1

快速更新...我能够获得正确的逻辑，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”....(所有单字母词)的训练，一旦它开始正确预测单字母“技术/产品”。我给出了话语作为“我在 Sharepoint 2016 上工作”，然后它只预测“SharePoint”作为产品。然后我添加了所有成功的单字产品，并与它们一起给出了“SharePoint 2016”和宾果游戏......它起作用了。

到目前为止一切顺利......

这是一个棘手的事情，既然模型在上下文模式和各种产品的命名方式方面已经相当稳定，我希望它预测“我在 Exchange 2016 上工作”，不幸的是它没有工作.它仅将“Exchange”单独预测为产品。然后我用相同的上下文(“我在 YYYY 上工作”)和一些项目进行了很多训练。至少现在，模式匹配算法应该已经理解了模式。当将话语作为“我在 Visual Studio 2016 上工作”时，它无法预测“Visual Studio 2016”是产品。它只将“Visual Studio”预测为产品。现在请注意，在短语中我还添加了“Visual Studio”、“Visual Studio 2013”​​、“Visual Studio 2010”，并且训练和预测成功。为什么现在无法预测“Visual Studio 2016”是一个产品？？？？我应该将多少这样的产品添加到短语列表中？ AI 现在怎么样了？

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