问题标签 [deeppavlov]

有谁知道，如何使用带有自己响应的 deeppavlov 排名模块？文档（http://docs.deeppavlov.ai/en/master/components/neural_ranking.html）提供以下代码（用于保险数据集）：

但是当我将此代码用于 ubuntu 数据集时：

原来没有rebuilt_responces方法：

有任何想法吗？

我使用 DeepPavlov 训练我的分类器，然后当我为某些样本函数调用训练模型时，只返回一个类标签，但我想获得每个类的概率。我没有找到可以让我获得概率的函数参数。有没有人遇到过这样的问题？感谢！

我想要具有类长度的 np.array 之类的输出，但当前输出是一个标签，例如 ['PlayMusic']。

我试图从 deeppavlov 的关于 NER 的教程中运行代码片段。

链接教程

首先我运行命令：

然后

抓住这个错误：

因此，如果在 VSCode 中粘贴代码，则行

会给出一个信号“'Struct'的实例没有'ner'成员”

（配置是结构）

我该如何解决？谷歌没有找到答案

大家好 - 我可以使用上面 deeppavlov 的预训练模型对预先创建的意图进行意图分类。但是，我想使用 deeppavlov 用我自己的意图和自己的文本创建自己的意图分类模型。总共将有 5 到 7 个意图。

我该怎么做呢？

即我得到的带有文本和意图的样本数据

我一直在尝试根据他们文档上给出的训练语法为 NER 训练 deeppavlov 模型，但它一直失败，并显示以下错误消息：

使用以下代码训练 deeppavlov 模型，它似乎正在处理他们的样本数据集，但是当我根据他们的训练样本指南创建自己的数据集时，我不断收到上述错误消息。训练ner代码：

输入 train.txt 文件：

当我开始训练 rubert 时，会返回此消息。
我什至无法猜测出了什么问题...

模型 = train_model(config_path) 2021-01-03 18:41:46.694 第 112 行的“deeppavlov.dataset_readers.basic_classification_reader”[“basic_classification_reader”] 中的警告：找不到 E:\NTI\valid.csv 文件 2021-01-03 18:41:47.646 INFO in 'deeppavlov.dataset_iterators.basic_classification_iterator'['basic_classification_iterator'] 在第 74 行：将字段 <> 拆分为新字段 <<['train', 'valid']>> [nltk_data] 下载包 punkt 到[nltk_data]
C:\Users\SAM\AppData\Roaming\nltk_data... [nltk_data] 包 punkt 已经是最新的了！[nltk_data] 正在将包停用词下载到 [nltk_data] C:\Users\SAM\AppData\Roaming\nltk_data... [nltk_data] 包停用词已经是最新的！[nltk_data] 下载包 perluniprops 到 [nltk_data]
C:\Users\SAM\AppData\Roaming\nltk_data... [nltk_data] 包 perluniprops 已经是最新的了！[nltk_data] 正在将包 nonbreaking_prefixes 下载到 [nltk_data]
C:\Users\SAM\AppData\Roaming\nltk_data... [nltk_data] 包 nonrupting_prefixes 已经是最新的了！E:\Anaconda\lib\site-packages\h5py_ init _.py:40: UserWarning: h5py is running against HDF5 1.10.5 when it is built on 1.10.4, 这可能会导致问题
'{0}。{1} .{2}'.format(*version.hdf5_built_version_tuple) 警告！ HDF5 库版本不匹配错误用于编译此应用程序的 HDF5 头文件与此应用程序链接到的 HDF5 库使用的版本不匹配。如果应用程序继续，可能会发生数据损坏或分段错误。当应用程序由一个版本的 HDF5 编译但与不同版本的静态或共享 HDF5 库链接时，可能会发生这种情况。您应该重新编译应用程序或检查与共享库相关的设置，例如“LD_LIBRARY_PATH”。您可以通过将环境变量“HDF5_DISABLE_VERSION_CHECK”设置为“1”来禁用此警告，风险自负。将其设置为 2 或更高将完全抑制警告消息。标头是 1.10.4，库是 1.10.5 HDF5 配置摘要 =================================

一般信息：

编译选项：

链接选项：

静态链接的可执行文件：关闭 LDFLAGS：/machine:x64 H5_LDFLAGS：AM_LDFLAGS：额外库：存档器：Ranlib：

语言：

特征：

提前致谢！

我正在尝试进行命名实体识别或从拼音或汉字的罗马化中提取人物，地点等。

例如（来自维基百科）：

我希望从上面提取实体，例如：

汉字NER很复杂，但我不知道提取拼音的方法。

我目前的计划是尝试 1300 多个汉字的所有排列，如下所示：

然后，我打算将 .isin()文本数据与拼音列表进行比较。

有谁知道提取实体拼音的更好方法？

这是我的代码：

它给出了错误：

2 3 个端点中的 TypeError Traceback（最近一次通话最后一次）=“endpoints.yml”----> 4 聊天（模型路径，端点）

C:\anaconda\envs\newrasa\lib\site-packages\rasa\jupyter.py in chat(model_path, endpoints, agent, interpreter) 35 from rasa.run import create_agent 36 ---> 37 agent = create_agent(model_path,端点）38 39 elif 代理不是无，解释器不是无：

C:\anaconda\envs\newrasa\lib\site-packages\rasa\run.py in create_agent(model, endpoints) 72 _lock_store = LockStore.create(_endpoints.lock_store) 73 ---> 74 return Agent.load(75模型，76 生成器=_endpoints.nlg，

C:\anaconda\envs\newrasa\lib\site-packages\rasa\core\agent.py 加载（cls，model_path，解释器，生成器，tracker_store，lock_store，action_endpoint，model_server，remote_storage，path_to_model_archive，new_config，finetuning_epoch_fraction）414 if not model_path: 415 raise ModelNotFound("No path specified.") --> 416 if not os.path.exists(model_path): 417 raise ModelNotFound(f"No file or directory at '{model_path}'.") 418如果 os.path.isfile(model_path):

C:\anaconda\envs\newrasa\lib\genericpath.py in exists(path) 17 """测试路径是否存在。为损坏的符号链接返回 False""" 18 try: ---> 19 os.stat( path) 20 except (OSError, ValueError): 21 return False

TypeError: stat: path 应该是字符串、字节、os.PathLike 或整数，而不是 TrainingResult

我正在尝试在 GoogleColab 上开始 deeppavlov 模型训练：

并得到错误：

我的代码基于http://docs.deeppavlov.ai/en/master/features/models/squad.html。

请帮我解决这个问题

我使用 Deep Pavlov 框架与 Bert 分类器一起工作，只是因为我需要预测人员的语言是俄语。基本上，我正在尝试解决多类分类问题。根据 Deep Pavlov，我们可以轻松地更改配置文件上的一些配置。我拿了这个配置文件https://github.com/deepmipt/DeepPavlov/blob/master/deeppavlov/configs/classifiers/ruse​​ntiment_convers_bert.json并训练了它，我花了大约 13 个小时才完成，结果是这样我的模型过拟合。

我做了一些改变，尤其是这些：

另外，我增加了批量大小，之前是 16：

并添加了一些指标：

还将validation_patience更改为1并添加了tensorboard func

就是这样。这些是我对模型所做的所有更改，当我尝试训练我的模型时，它给了我以下错误：

起初，我认为它与数据集有关，但是，我没有更改我的数据集，并且在我第一次训练这个模型时它已经运行了。