虚拟助手-> LUIS，QnA，Dispatcher最佳实践

Question

对于使用LUIS，QnA Maker（尤其是分派器）面临的某些问题，我有一些关于“最佳实践”的问题：

1）如果分派器中的发音超过15k，是否有最佳实践？这看起来像是LUIS应用程序的局限性，但从长远来看，该模型的可扩展性将令人怀疑。

2）Bing Bing拼写检查LUIS会更改名称和姓氏，例如，如何避免这种情况？我猜我们在谈论ChatBots时必须进行Bing拼写检查，因为拼写错误总是在门后，但使用它来命名很危险。

3）开箱即用不支持交叉验证，您会使用自定义代码将数据拆分为折叠（这并不困难），使用命令行在k-1 / k折叠上训练并发布模型，然后将k折语音一一发送给API。批量上传仅通过用户界面https://cognitive.uservoice.com/forums/551524-language-understanding-luis/suggestions/20082157-add-api-to-batch-test-model受支持，并且仅限于1,000个发音的测试集。如果我们采用一对一的方式，则每1k交易我们需要支付$ 1,50，https://azure.microsoft.com/de-de/pricing/details/cognitive-services/language-understanding-intelligent-services/，这意味着要获得5折的交叉验证指标，我们可以为单笔交易支付约20 $试用我们当前的数据，如果我们添加更多数据，则更多。

4）模型是一个黑盒子，如果需要的话，它不能使我们使用自定义功能。

Answer 1

我将尽我所能，尽力解决您的疑虑：

1）根据LUIS文档，

因此，您不能超过限制。如果是Dispatch应用，如果总话语量超过15k，则Dispatch将对这些话语进行下采样以将其保持在15k以下。 CLI有一个可选参数（--doAutoActiveLearning）可以进行自动主动学习，该参数将智能地降低采样率（删除无关的语音）。

-doAutoActiveLearning ：（可选）默认为false。 LUIS对训练集大小的限制是15000。当LUIS应用具有更多的训练话语时，Dispatch的自动主动学习过程可以智能地对这些话语进行采样。

2）Bing拼写检查可帮助用户在LUIS预测发音的分数和实体之前纠正发音中的拼写错误的单词。但是，如果要避免使用Bing Spell Check API服务，则您将需要添加正确和不正确的拼写，这可以通过两种方式完成：

• 带有所有不同拼写的标语示例语音，以便LUIS可以学习正确的拼写和错别字。与使用拼写检查器相比，此选项需要更多的标签工作。
• 创建包含所有单词变体的短语列表。使用此解决方案，您无需在示例话语中标记单词变体。

3）根据当前的documentation，每个测试最多允许1000声。数据集是JSON格式的文件，最多包含1,000个带标签的非重复性话语。一个应用程序最多可以测试10个数据集。 如果您需要进行更多测试，请删除一个数据集，然后添加一个新数据集。我建议您将其作为功能请求报告给feedback forum。

希望这会有所帮助。