あるカスタマーサービスプラットフォームが Azure AI Language の会話言語理解（CLU）を使って問い合わせを自動分類している。現在「注文キャンセル」「配送状況確認」「返金申請」の3つのインテントをトレーニングしているが、認識精度が低い。精度向上のために最も有効な改善策はどれか。
- A. 言語検出を追加して、英語以外のメッセージを除外する
- B. 各インテントに対するトレーニング発話例を増やし、より多様な言い回しをカバーする
- C. モデルをより大きな Azure OpenAI モデルに置き換える
- D. インテントの数を増やして、より細かい分類にする
解答と解説を見る
正解: B
CLU の認識精度はトレーニング発話例の量と多様性に大きく依存する。各インテントに対して「注文を取り消したい」「キャンセルしてほしい」「購入を撤回したい」など多様な言い回しを追加することで、モデルが発話のバリエーションを学習し精度が向上する。選択肢Dのインテント数の増加は精度向上ではなく分類の細分化であり、既存インテントの低精度を解決しない。選択肢CのAzure OpenAI への置き換えはアーキテクチャの変更であり、既存 CLU の改善策ではない上にコストと実装コストが増加する。選択肢Aの言語検出による除外はデータを減らすものであり、精度向上にはつながらない。