Alexa技能忽略“arrive”映射至错误意图问题排查求助

嘿，这种明明完全匹配示例话语却被Alexa分到错误意图的情况，我之前也帮不少开发者排查过，咱们一步步来揪问题：

1. 先查样本数量的“倾斜度” #

Alexa的意图分类靠机器学习模型驱动，如果NextTrainIntent的样本话语数量远多于TrainArrivalIntent，模型会下意识偏向样本多的那个。你去技能控制台的样本话语页面数数：要是NextTrainIntent有几十条，而TrainArrivalIntent才寥寥几条，那模型跑偏太正常了——赶紧给TrainArrivalIntent补几条差异化的样本，比如“what's the arrival time for train 1234”“when will train 5678 pull in”这类。

2. 检查槽位有没有“撞车” #

看看两个意图的槽位定义细节：

• 是不是NextTrainIntent也用了和TrainArrivalIntent一样的TrainNumber槽位？而且样本表述太接近？比如NextTrainIntent里有“when does the next train arrive”这类无编号的句子，模型就可能把带编号的版本也误归到这里。
• 确认TrainArrivalIntent的TrainNumber槽位有没有正确关联自定义槽位类型（如果用了的话），9306、9305这些编号必须在槽值列表里，不然模型可能识别不出这是特定的列车编号。

3. 别忘重新构建模型！ #

我见过太多开发者改了样本就直接测试，却忘了点击构建模型按钮。Alexa的模型是静态的，修改后必须重新训练才能生效——如果没构建，模拟器用的还是旧模型逻辑，自然会出现匹配错误。去看看模型历史，确认最近的训练有没有成功，有没有警告信息（比如样本重复、槽位不匹配）。

4. 看看置信度的“猫腻” #

在服务模拟器的请求JSON里，有个confidenceScore字段，对比两次测试的这个值：

• 如果“when does train 9306 arrive”的置信度很低，说明模型对这个分类没把握；如果置信度很高却还是分错，那大概率是样本的独特性不够。
• 也可以用控制台里的意图测试器，输入话语后看模型给出的意图排名，看看TrainArrivalIntent是不是排在后面，被NextTrainIntent压过了。

5. 给样本做“差异化标记” #

给每个意图的样本明确“定位”，彻底划清界限：

• NextTrainIntent的样本主打“next”相关表述，比如“next train to Boston”“when's the next train leaving”；
• TrainArrivalIntent则死死绑定“列车编号+到达”，比如“when does train 9306 arrive at Central Station”“what time does train 9305 get in downtown”。

6. 试试设置意图优先级 #

在技能控制台的意图设置里，开启意图冲突解决功能，然后把TrainArrivalIntent的优先级调高。这样当模型判断话语有歧义时，会优先选择高优先级的意图，避免被其他意图抢了风头。

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