LUIS与QnA Maker含重复关键词时的NLP训练及意图识别优化

嘿，这个问题我之前帮不少开发者踩过坑——当QnA Maker的问题被LUIS抢了识别权，核心是要给两者划清“势力范围”，下面分LUIS和QnA两边给你具体的训练调整方案：

• 强化意图的差异化特征：给LUIS里的「费用状态查询」意图补充更多聚焦“查询状态”的表述，比如：“我的报销进度怎么样？”“费用审批到哪一步了？”“能查下我的费用申请状态吗？”，重点强化这个意图是“查进度/状态”，而非“提交问题/反馈问题”这类动作类需求。
• 加入否定示例明确边界：把QnA里的目标问题（比如“如何为我的费用提交问题？”“我要提交费用相关问题怎么操作？”）加到LUIS的「None」意图里，相当于告诉LUIS：“这些问题不属于你负责的状态查询范畴”，避免它硬把这类问题归到高得分意图里。
• 调整置信度阈值：在LUIS的发布设置里降低意图的置信度阈值（比如从默认的0.7调到0.5）。这样当LUIS对某个问题的识别得分没达标时，就会触发「None」意图，这时候你就可以把请求转交给QnA Maker处理。

• 补充多样化的相似问句：给QnA知识库中“如何提交费用问题”这条条目，添加更多用户可能的问法变体，比如：“费用问题怎么提交？”“我要反馈费用相关问题该走什么流程？”“提交费用问题的步骤是什么？”，让QnA能更精准捕捉这类问题的特征。
• 启用主动学习迭代优化：打开QnA Maker的主动学习功能，它会自动收集用户的实际提问，把那些匹配度偏低的问句推荐给你，你可以手动将这些问句关联到对应的知识库条目，持续提升QnA的识别准确率。
• 设置合理的置信度阈值：在QnA Maker的设置里提高置信度阈值（比如从0.6调到0.8），只有当QnA的匹配得分达到这个值时，才返回QnA的结果；如果没达标，再转由LUIS做二次判断，避免弱匹配的问题被误判。

除了训练调整，你的bot路由逻辑也要跟上：比如先判断LUIS的意图得分，如果得分低于阈值或者是「None」意图，直接调用QnA Maker；如果LUIS的意图得分很高，再走LUIS的处理流程。这样双向配合，就能大大减少识别冲突的情况。

内容的提问来源于stack exchange，提问作者ajayeluri