LUIS 列表实体
LUIS List entity
我正在使用 "list" 实体。但是，我没有达到预期的效果。
这是我的 LUIS 意图：
getAnimal
- 我想要一只猫**[动物]**。
这是我对 LUIS 实体的了解：
列出实体[动物]
cat：俄罗斯蓝、波斯猫、英国短毛猫dog：斗牛犬、德国牧羊犬、比格犬rabbit：荷兰垂耳兔、美国毛垂耳垂耳垂耳垂耳垂耳垂耳垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂鹱，佛罗里达白
这是我的 LUIS 短语列表：
短语列表[animal_phrase]
cat、russian blue、persian cat、british shorthair、dog、bulldog、german shepard、beagle, 等等
需要：
当用户输入“I want to get a beagle”时。它将与“getAnimal”意图匹配。
实际：
当用户输入“I want to get a beagle.”时，它将匹配“None”意图。
请帮忙。我们将不胜感激。
因此，使用短语列表是一个很好的开始方式，但是您需要确保为 LUIS 提供足够的数据，以便能够学习意图和实体 separate 从短语列表中。您很可能需要添加更多话语。
此外，如果您的最终目标是让 LUIS 识别 getAnimal 意图，我会取消列表实体，而是使用 简单实体 利用 LUIS 的机器学习，并结合 短语列表 来增强动物可能长什么样子的信号。
如 documentation on phrase lists 所述，
Features help LUIS recognize both intents and entities, but features
are not intents or entities themselves. Instead, features might
provide examples of related terms.
--机器学习中的特征，是系统观察到的数据的显着特征或属性，以及使用短语列表时添加到 group/class 的内容
开始于
1。创建一个名为 Animal
的 简单实体
2。为您的 getAnimal 意图添加更多话语。
遵循概述的最佳做法 here，您应该 每个意图至少包含 15 个话语。确保 包含大量 Animal 实体 的示例。
3. 注意在您的话语中包含对 LUIS 学习有价值的变体（不同的词序、时态、语法正确性、话语长度和实体本身）。如果您需要更详细的说明，强烈建议您阅读这篇文章 Whosebug answer I wrote on how to build your app properly get accurate entity detection。
上面蓝色突出显示的单词是标记为简单 Animal 实体
的标记
3。使用短语列表。
确保包含的值不只是 1 个词长，而是 2、3 和 4 个词长 ，因为不同的动物名称可能有那么长长度（例如 cavalier king charles spaniel、irish setter、english springer spaniel 等）我还包括了 40 个动物品种名称。不要羞于将向您推荐的相关值添加到您的短语列表中。
在培训您的应用程序以根据您的更改对其进行更新后，成功！
下面的“I want a beagle”达到了正确的意图。 LUIS 甚至能够检测在实体提取中未输入应用程序的动物。
我正在使用 "list" 实体。但是，我没有达到预期的效果。
这是我的 LUIS 意图：
getAnimal- 我想要一只猫**[动物]**。
这是我对 LUIS 实体的了解：
列出实体[动物]
cat：俄罗斯蓝、波斯猫、英国短毛猫dog：斗牛犬、德国牧羊犬、比格犬rabbit：荷兰垂耳兔、美国毛垂耳垂耳垂耳垂耳垂耳垂耳垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂垂耳垂鹱，佛罗里达白
这是我的 LUIS 短语列表：
短语列表[animal_phrase]
cat、russian blue、persian cat、british shorthair、dog、bulldog、german shepard、beagle, 等等
需要：
当用户输入“I want to get a beagle”时。它将与“getAnimal”意图匹配。
实际：
当用户输入“I want to get a beagle.”时，它将匹配“None”意图。
请帮忙。我们将不胜感激。
因此，使用短语列表是一个很好的开始方式，但是您需要确保为 LUIS 提供足够的数据，以便能够学习意图和实体 separate 从短语列表中。您很可能需要添加更多话语。
此外，如果您的最终目标是让 LUIS 识别 getAnimal 意图，我会取消列表实体，而是使用 简单实体 利用 LUIS 的机器学习，并结合 短语列表 来增强动物可能长什么样子的信号。
如 documentation on phrase lists 所述，
Features help LUIS recognize both intents and entities, but features are not intents or entities themselves. Instead, features might provide examples of related terms.
--机器学习中的特征，是系统观察到的数据的显着特征或属性，以及使用短语列表时添加到 group/class 的内容
开始于
1。创建一个名为 Animal
的 简单实体
2。为您的 getAnimal 意图添加更多话语。
遵循概述的最佳做法 here，您应该 每个意图至少包含 15 个话语。确保 包含大量 Animal 实体 的示例。
3. 注意在您的话语中包含对 LUIS 学习有价值的变体（不同的词序、时态、语法正确性、话语长度和实体本身）。如果您需要更详细的说明，强烈建议您阅读这篇文章 Whosebug answer I wrote on how to build your app properly get accurate entity detection。
Animal 实体
3。使用短语列表。
确保包含的值不只是 1 个词长，而是 2、3 和 4 个词长 ，因为不同的动物名称可能有那么长长度（例如 cavalier king charles spaniel、irish setter、english springer spaniel 等）我还包括了 40 个动物品种名称。不要羞于将向您推荐的相关值添加到您的短语列表中。
在培训您的应用程序以根据您的更改对其进行更新后，成功！
下面的“I want a beagle”达到了正确的意图。 LUIS 甚至能够检测在实体提取中未输入应用程序的动物。