# Вопросы и ответы
Каковы стратегии повышения метрики покрытия (coverage)?
Повышение покрытия достигается за счет комплексного подхода:
* **Разработка сценариев**: Создание сценариев для наиболее частотных намерений.
* **Анализ нераспознанных запросов**: Регулярный анализ и кластеризация нераспознанных фраз для выявления новых намерений и дообучения существующих.
* **Глубокая интеграция**: Переход от статических сценариев (предоставление информации) к динамическим, которые используют API для взаимодействия с внешними системами. Чем больше бизнес-логики автоматизировано через API-интеграции, тем выше процент диалогов, завершенных без участия оператора.
Каково рекомендуемое количество обучающих фраз для одного намерения?
Для первоначального обучения намерения рекомендуется использовать **15-20 разнообразных фраз**. Оптимальное количество фраз для стабильной работы намерения в production-среде — **200-300**.
Важно отметить, что качество и вариативность обучающей выборки имеют более высокий приоритет, чем ее объем. Если намерение стабильно распознается на меньшем количестве фраз, дополнительное обучение не требуется.
Каков процесс дообучения NLU-модели?
Процесс дообучения основан на анализе **кластеров** — групп семантически близких нераспознанных запросов, которые система формирует автоматически (unsupervised clustering). Задача специалиста — проанализировать эти кластеры и вручную отнести их к существующим или новым намерениям. Этот этап контролируемого обучения (supervised learning) позволяет избежать погрешностей и гарантировать высокое качество модели.
Каков жизненный цикл обучающей фразы при удалении из намерения?
При удалении обучающая фраза **безвозвратно удаляется** из системы. Архив или "корзина" для удаленных фраз отсутствует. Если необходимо переместить фразу из одного намерения в другое, следует скопировать ее перед удалением.
Каковы рекомендации по составлению обучающих выборок: следует ли использовать целые фразы или отдельные ключевые слова?
NLU-модель платформы ориентирована на **семантический анализ контекста всего предложения**, а не на поиск по ключевым словам. Поэтому для обучения следует использовать **полные, реальные фразы пользователей**. Использование отдельных слов в качестве обучающих примеров является неэффективным и может привести к деградации качества модели.