問題タブ [nlu]

エンティティに基づく nlu セマンティックに基づく solr を使用してクエリを作成したいと考えています。一部のエンティティがsolrデータベースのフィールドとして存在しない場合でも、NLUの結果からどのように利益を得ることができますか? 結果をフィルタリングしようとしましたが、間違った結果が得られました。これは、フィルタリングするときに、solr データベースに存在するフィールドでフィルタリングすることが必須であるためです。solr フィールドの例:

これは NLU 出力の例です。

"text": "Haut-parleur sans fil Sony SRSHG1/BLK Hi-Res - Noir anthracite": 'haut-parleur'、'sans fil'、'sony'、'SRSG1/BLK' を検索するクライアント クエリを表します。色は「ノワール」です。これは私がしようとしているものです:

pysolr を使用して solr データベースに保存またはインデックス付けされていないフィールドで検索をフィルタリングしたい出力は次のとおりです。

しかし、クライアントが正確に望んでいるので、それは間違っているようです: "Haut-parleur sans fil Sony SRSHG1/BLK Hi-Res - Noir anthracite" が NLU 出力に記述されています

Elasticsearch データベースに存在しないフィールドでフィルタリングしようとしています。ここに私のフィールドがあります。

NLU出力に基づく私のjsonファイルは次のとおりです。

私はこれを試しました：

結果は次のとおりです。

Elasticsearch データベースに存在しないフィールド (: gout など) でクエリをフィルタリングし、結果として正確に「bonbon cerise & cola TIC TAC」を取得するにはどうすればよいですか?

LUIS アプリを構築するための v3 API では、機械学習されたエンティティが強調されていることに気付きました。彼らと一緒に仕事をしていると、気になることに気づき、その問題についてもっと洞察を得たいと思っていました。

アイデアは、機械加工された学習済みエンティティを使用するときに、その機械加工された学習済みエンティティの制約として、句リストまたは他のエンティティまたはリスト エンティティの記述子にバインドできるということです。リストエンティティ自体を抽出することを目的としないのはなぜですか? それを機械加工された学習オブジェクトにラップする目的は何ですか?

私は常にリストで大きな成功を収めてきたので、これを尋ねます。正確さを保証するためにスペルミスやバリエーションに注意する必要がありますが、非常に制御可能です. しかし、機械加工された学習済みエンティティを使用するときは、単語の順序にもっと注意する必要があることに気付きました。バリエーションがある場合、機械加工された学習済みエンティティを取得できませんでした。

これはトレーニングで修正できますが、実際には、自分が望む意図があり、そこからエンティティが必要なだけであることがわかっている場合、機械学習エンティティは実際に何を提供するのでしょうか?

より慎重に扱う必要がありそうです。

今、私はこの疑いを持ってこれを言います。答えは、リスト エンティティがエンティティ検出の増加にのみ役立つ場合に、機械学習エンティティが意図検出を増加させるという事実にあります。それが最も適切な答えである場合、私が探しているものに対する解決策を見ることができると思います.