Skor prediksi menunjukkan akurasi prediksi untuk niat dan entitas
Penting
LUIS akan dihentikan pada 1 Oktober 2025 dan mulai 1 April 2023 Anda tidak akan dapat membuat sumber daya LUIS baru. Sebaiknya migrasikan aplikasi LUIS Anda ke pemahaman bahasa percakapan untuk mendapatkan manfaat dari dukungan produk berkelanjutan dan kemampuan multibahasa.
Skor prediksi menunjukkan tingkat kepercayaan yang dimiliki LUIS untuk hasil prediksi ucapan pengguna.
Skor prediksi adalah antara nol (0) dan satu (1). Contoh skor LUIS yang sangat keyakinan adalah 0,99. Contoh skor keyakinan rendah adalah 0,01.
| Nilai skor | Keyakinan |
|---|---|
| 1 | pertandingan yang pasti |
| 0.99 | keyakinan yang tinggi |
| 0.01 | keyakinan rendah |
| 0 | pasti gagal untuk mencocokkan |
Niat skor tertinggi
Setiap prediksi ucapan mengembalikan niat skor tertinggi. Prediksi ini merupakan perbandingan numerik dari skor prediksi.
Kedekatan skor satu sama lain
2 skor teratas dapat memiliki perbedaan yang sangat kecil di antara keduanya. LUIS tidak menunjukkan kedekatan ini selain mengembalikan skor tertinggi.
Kembalikan skor prediksi untuk semua niat
Hasil pengujian atau titik akhir dapat menyertakan semua niat. Konfigurasi ini disetel pada titik akhir menggunakan pasangan nama/nilai string kueri yang benar.
| API Prediksi | Nama Querystring |
|---|---|
| V3 | show-all-intents=true |
| V2 | verbose=true |
Ulas niat dengan skor serupa
Mengulas skor untuk semua niat adalah cara yang baik untuk memverifikasi bahwa tidak hanya niat yang benar diidentifikasi, tetapi skor niat yang diidentifikasi berikutnya secara signifikan dan konsisten lebih rendah untuk ucapan.
Jika beberapa niat memiliki skor prediksi yang mendekati, berdasarkan konteks ucapan, LUIS dapat beralih di antara niat. Untuk memperbaiki situasi ini, terus tambahkan ucapan ke setiap niat dengan variasi perbedaan kontekstual yang lebih luas atau Anda dapat meminta aplikasi klien, seperti bot obrolan, membuat pilihan terprogram tentang cara menangani 2 niat teratas.
2 niat, yang diberi skor terlalu dekat, mungkin terbalik karena pelatihan non-deterministik. Top skor bisa menjadi top kedua dan top skor kedua bisa menjadi top skor pertama. Untuk mencegah situasi ini, tambahkan contoh ucapan ke masing-masing dari dua niat teratas untuk ucapan tersebut dengan pilihan kata dan konteks yang membedakan 2 niat tersebut. Kedua niat tersebut harus memiliki jumlah contoh ucapan yang sama. Aturan praktis untuk pemisahan untuk mencegah inversi karena pelatihan, adalah perbedaan skor 15%.
Anda dapat menonaktifkan pelatihan non-deterministik dengan pelatihan dengan semua data.
Perbedaan dengan prediksi antara sesi pelatihan yang berbeda
Saat Anda melatih model yang sama di aplikasi yang berbeda, dan skornya tidak sama, perbedaan ini karena ada pelatihan non-deterministik (elemen keacakan). Kedua, setiap tumpang tindih ucapan ke lebih dari satu niat berarti niat teratas untuk ucapan yang sama dapat berubah berdasarkan pelatihan.
Jika bot obrolan Anda memerlukan skor LUIS tertentu untuk menunjukkan keyakinan pada suatu niat, Anda harus menggunakan perbedaan skor antara dua niat teratas. Situasi ini memberikan fleksibilitas untuk variasi dalam pelatihan.
Anda dapat menonaktifkan pelatihan non-deterministik dengan pelatihan dengan semua data.
Notasi E (eksponen)
Skor prediksi dapat menggunakan notasi eksponen, muncul di atas rentang 0-1, seperti 9.910309E-07. Skor ini merupakan indikasi angka yang sangat kecil.
| Skor notasi E | Skor sebenarnya |
|---|---|
| 9.910309E-07 | .0000009910309 |
Pengaturan aplikasi
Gunakan pengaturan aplikasi untuk mengontrol bagaimana diakritik dan tanda baca memengaruhi skor prediksi.
Langkah berikutnya
Lihat Menambahkan entitas untuk mempelajari selengkapnya tentang cara menambahkan entitas ke aplikasi LUIS Anda.