Azure语言服务CLU意图分类机制及评分计算方式问询

一、意图分类机制：并非短语匹配，而是语义层面的上下文理解 #

CLU的意图分类完全不依赖单个短语/词汇的字面匹配，它依托预训练的Transformer架构大语言模型实现语义理解：

• 模型会将输入的整段话语（比如你提到的“Today is such a good day”）转换成包含完整上下文语义的向量表示，不会拆分单个词汇独立处理。
• 训练阶段，CLU会用你提供的10条“Happy”意图示例，学习该意图对应的语义特征空间——即理解“表达愉悦情绪的话语”在语义向量上的共性，而非记忆示例里的具体短语。
• 推理时，模型将输入话语的语义向量与各意图的特征空间做比对，判断其最契合的意图类别。

二、意图评分的计算逻辑 #

意图旁标注的评分是模型对分类结果的置信度概率值，计算逻辑如下：

• 模型输出层通过Softmax函数，将语义比对结果转换为0到1之间的概率分布，每个意图对应一个概率值。
• 这个概率值就是你看到的评分，数值越高，代表模型判断该话语属于对应意图的置信度越强。

三、关于官方文档的内容补充 #

你查阅的概述页确实不会深入底层技术细节，但CLU的核心机制在官方文档的模型架构、训练原理相关章节有隐含说明：它属于基于上下文的语义分类模型，而非传统的词匹配或规则引擎。

内容的提问来源于stack exchange，提问作者Vadiraj Rao