课时3 :高级能力和算法效果优化（一）|学习笔记

开发者学堂课程【3节课走进云小蜜产品：课时3 :高级能力和算法效果优化】学习笔记，与课程紧密联系，让用户快速学习知识。

课程地址：https://developer.aliyun.com/learning/course/298/detail/3497

课时3 :高级能力和算法效果优化（一）

内容介绍：

一、简介

二、演示系统内置意图以及内置实体的使用方法

三、意图话术高级配置方式 LGF

四、机器人训练流程

五、总结

一、简介

本课程的主要内容是高级能力与算法效果优化，主要目标是给用户提供针对机器人效果优化的抓手。让用户了解并掌握机器人效果优化的常用的流程以及手段，帮助用户将机器人的自然语言理解水平包括实体识别，意图识别等做到90%以上，达到业务可交付的效果。

本次课程大纲如下：

1.系统内置意图、实体

2.意图话术高级配置方式 LGF

3.机器人训练

数据筛选标注

小样本意图识别

大样本意图识别

第一部分是系统内置意图和实体，为了最大程度的减少用户对话构建的成本，所以离线做了挖掘和沉淀，把通用的常用的意图和实体，进行了内置，并且保证内置的意图实体效果能够，达到好的水平，

第二部分是意图话术高级配置方式 lgf，该配置方式主要解决的问题是在对话启动以及干预时，如果仅仅只能一条一条话术配置，配置效率较低，所以采用 LGF 的方式，配置单条，效果能够达到上百条或是更多话术的效果，能够节省配置成本。

第三部分是机器人训练，为了更好地保障机器人的理解水平，引入了机器学习算法。机器学习算法需要大量标注数据让模型进行学习，模型如果没有数据就无法进行学习，所以第一部分介绍数据筛选和标注。针对数据标注量的数量，如果每条意图只标注十条，该情况下较为适合使用系统内置的意图识别模型，但如果意图标注量本量较多，达到了百级别或更多，就可以直接训练大样本的监督学习模型，意图识别会更加好。对于系统内置的意图和实体，目前系统内置了19种通用的意图：停止、取消、感谢、返回、重听、上一个、下一个、你是谁、转人工、信号不好、友好问候、寻求帮助、通用否定、通用肯定、客户不方便、客户说再见、骂人说脏话、质疑是机器人、客户反问什么事。内置通用意图有19个，模型F1=91.96%，内置实体方面沉淀了包括时间，地点，数字，医疗，生活，文娱及其他方面七大类。内部包括一百多个小类：

以上是系统的内置能力，并且正在持续挖掘。预计到930时，内置意图会进一步得到扩展，增加行业意图，内置意图数量增加到1,000个以上。

二、演示系统内置意图以及内置实体的使用方式

如图所示，是提前定义好的查天气的对话流：

对话流包括触发节点查天气，触发条件是查天气的意图，查天气的意图，编辑了许多话术 lgf，对应会进行城市参数的收集，最后会调用查询天气的 API 返回查询天气的结果，如果对话流当中想做其他功能，例如用户转人工，询问其他问题。此时如果查询天气是可以完成的：

但是无法转人工。如果要给机器人增加转人工的功能，正常的逻辑是对应定义一个转人工的意图。意图较为麻烦，需要添加许多话术，而且需要测试。但此时系统存在内置意图：

查天气意图是用户自定义的，其他的是系统内置的，共有19个，此时可以选择转人工，触发条件会自动选择：

进行保存即可。再加入对应的转人工的回复节点：

名称为转人工回复文本，回复内容为人工服务转接中。

上传完成之后进行测试：

此时能够正常识别转人工意图。也就是说通过引用系统的意图，节省成本。实体分两种类型，一种是用户自定义的，用户可以自行创建自己的实体。实体分为两种类型，一种是标准名词的实体，另一种是正则名词的实体。标准名词每个实体是由许多个词组成的，正则是由正则式表达式组成的。以下是用户自定义的：

除了自定义之外，系统还预置了一些实体：

常见意图有参数，就是需要收集城市。也就是需要查询哪个城市的天气：

选用完成之后就能进行识别对应的城市，演示如下:

将其替换为省份：

结果如下：

不需要用户自己做配置，以上是系统内置意图以及系统实体的大致使用流程。用户在进行对话流的机器人配置过程当中，可以首先使用统内置的意图和实体，首先内置的效果比较有保障，使用成本较低。后续会不断完善内置意图和实体，使其数量越来越丰富。