0

一直在使用 rasa nlu 为我的聊天机器人分类意图和实体。一切都按预期工作（经过大量培训），但对于实体，它似乎可以根据单词的确切位置和长度来预测值。这适用于实体有限的场景。但是，当机器人需要识别一个单词（长度不同且尚未训练，例如新名称）时，它无法检测到。有没有一种方法可以让 rasa 根据单词的相对位置识别实体，或者更好的是，插入一个单词列表，该列表成为特定于实体的域以查找匹配项（如 LUIS 中的短语列表）？

{"q":"i want to buy a Casio SX56"}

{
"project": "default",
"entities": [
    {
        "extractor": "ner_crf",
        "confidence": 0.7043648832678735,
        "end": 26,
        "value": "Casio SX56",
        "entity": "watch",
        "start": 16
    }
],
"intent": {
    "confidence": 0.8835646513829762,
    "name": "buy_watch"
},
"text": "i want to buy a Casio SX56",
"model": "model_20180522-165141",
"intent_ranking": [
    {
        "confidence": 0.8835646513829762,
        "name": "buy_watch"
    },
    {
        "confidence": 0.07072182459497935,
        "name": "greet"
    }       
]
}

但如果卡西欧 SX56 被西铁城 M1 取代：

{"q":"i want to buy a Citizen M1"}

{
"project": "default",
"intent": {
    "confidence": 0.8710909096729019,
    "name": "buy_watch"
},
"text": "i want to buy a Citizen M1",
"model": "model_20180522-165141",
"intent_ranking": [
    {
        "confidence": 0.8710909096729019,
        "name": "buy_watch"
    },
    {
        "confidence": 0.07355588750895545,
        "name": "greet"
    }       
]
}

谢谢！

4

2 回答 2

1

在使用 rasa_nlu 进行训练之前，请确保您确实添加了每个实体值训练示例。

--- 为了成功提取实体，我们需要创建至少 2 个或更多上下文训练数据 ---

添加这个例如。如果没有正确提取，则在 rasa_nlu 训练数据中

"text": "i want to buy a Citizen M1",
"model": "model_20180522-165141",
"intent_ranking": [
    {
        "confidence": 0.8710909096729019,
        "name": "buy_watch"
    },
    {
        "confidence": 0.07355588750895545,
        "name": "greet"
    }       
]

带有短语匹配的实体提取在 rasa_nlu 中确实有效 尝试使用spacy_sklearn后端管道

于 2018-05-31T08:12:46.923 回答
0

我正在寻找的功能是短语匹配器，它允许我将可能的实体列表添加到训练模型中。这样，如果弹出任何新名称，我们可以简单地将名称添加到短语列表中，模型将能够使用所有可能的话语来识别它。虽然这仍在开发中，应该很快就会添加到主服务器中：https ://github.com/RasaHQ/rasa_nlu/pull/822

于 2018-06-01T06:59:02.510 回答