python - RASA nlu 解析没有给出正确的意图，在结果中给出相同的意图

Question

• RASA 版本：0.10.5
• spaCy 版本：1.9.0
• 已安装的型号：en、en_core_web_sm

我正在使用对话流导出数据创建训练数据并成功完成训练，但是当我请求并提供一些文本时，它给出了错误的意图结果。它总是在结果中给出相同的意图，并且每次都给出相同的意图排名。

请让我知道如何获得正确的意图结果以及实体结果。

Answer 1

当 Rasa NLU 似乎运行正常，但对意图和实体进行错误分类时，一般建议是添加更多训练数据。

所以尝试一下，但也尝试这些其他建议：

• Rasa 最近发布了tensorflow 嵌入管道。该管道使用训练数据集和词向量创建一个小型语言模型。一般来说，它可以在更适度的数据集上运行。在 config.yml 中设置你的管道来"tensorflow_embedding"试一试。
• 使用评估脚本查看您的训练数据在哪里最弱。该脚本将生成 f1 分数和一个图表，用于显示哪些意图被错误分类最多。
• 增加 spaCy 模型的大小。如果没有有关您使用的语言或已安装的 spacy 模型的信息，这只是在黑暗中拍摄，但特别是如果您安装了用于英语的小型 spacy 模型（en_core_web_sm），您应该尝试中型或大型模型其中包括词向量。

尽管如此，我在 Dialogflow 和 Rasa NLU 方面的经验都表明 Rasa 的实施需要更多的训练数据。此外，如果您仍然遇到问题，请加入Rasa NLU Gitter，我们可以在那里为您提供帮助。