问题标签 [nlu]

我已经在rasa论坛上问过这个问题，但没有人回复我，所以我在这里问这个问题。

当谈到 rasa 时，我是一个完全的菜鸟。我正在为我的大学开发一个聊天机器人，我可以在其中回答可能对任何课程有疑问的人的问题。

我有一个自定义操作，可以将用户的问题插入 MySQL 数据库；我这样做的原因是为了获得一些机器人的训练数据。在我这样做之后，我在我的 NLU 调用中创建了一个意图，course_inquiry我只从一门课程中挑选了问题。

到目前为止，我已经为我的所有示例提取了 2 个实体，如何使用这些实体来查询我的数据库以获得响应，以及有关如何存储我的数据的任何提示都会有所帮助

感谢您的时间

PS：如果这是一个已经被问到的问题，或者这是一个彻头彻尾的愚蠢问题，我真的很抱歉

编辑：一些示例代码/git repo 真的很有帮助

解析（语法）后，短语动词不会出现在列表中。在语法部分使用自然语言理解分析文本后，我们得到了结果。结果，所有单词都根据它们在文本中的位置分开。但是对于短语动词，这个程序不会检测到它们。这不允许以后单独翻译单词。

如何解决问题？是否有可能以某种方式将动词划分为短语动词？

我正在研究 Alexa 数学测验技能。因此，因为默认情况下 Alexa 不处理负数和浮点数，我为负数、结果和小数创建了插槽，因此人们可以这样回答：

这些话语属于我的 AnswerIntent，所以当我进行 NLU 评估时，所以当我测试时：

另一个例子是：

另一个例子是：

并且这些测试通过了，但是如果我测试这样的东西：

我为最后一个示例尝试了话语分析器，它没有显示选择的意图，但它认为是 FallbackIntent。

所以我的问题是为什么如果它在某些情况下无法识别我的话语，它不会进入 FallbackIntent

我们正试图了解 Rasa 的基本模型 - 那里的论坛仍然没有给我们答案 - 关于两个主要问题：

• 我们知道 Rasa 模型是一个基于 Transformer 的架构。它是否在任何数据集上进行了预训练？（例如维基百科等）

• 那么，如果我们理解正确，意图分类是在该转换器之上的微调任务。这么小的训练集怎么会起作用？

感谢任何见解！

谢谢

里奥

我在 colab 中运行此代码时遇到问题。我确实安装了所有要求。

'''

''' 生成以下输出：

small_bert_L2_128 下载开始，这可能需要一些时间。<class 'AttributeError'> type object 'NluError' has no attribute ' set_missing_model_attributes ' 在加载和安装管道时出现问题。检查其他打印以获取更多信息以及详细模式。您是否使用了正确的模型参考？<nlu.NluError at 0x7fc3823bbb10>

现在，启动此服务器应用程序实例的方法是运行如下所示的批处理文件： Server.exe -rest http://localhost:10870/Server -timeout 10 -debug true -logfile true

这意味着连接是通过端口10870进行的，该端口在客户端和服务器上都注册了，并且字符串的平衡是显而易见的。我想通过 Azure API 管理服务发布它，以便它控制和跟踪客户以及每个客户的 API 调用次数，用于计费目的和可扩展性目的。我怎么做？

I have used the NLU demo to analyse one of two datasets of text to determine its sentiment, however, the second data set worked this morning and now will not work when 'analyse text' is clicked. I am unsure why it is being temperamental. Many thanks

提取从根到令牌的依赖关系路径？斯帕西。我有它的代码提取整个路径

我有一些技术文档，我需要从中提取有关一组特定程序的文本。是否有一种简单的现成方法来“显示”语言模型要提取的文本和每个文档，然后让它以编程方式提取该文本？

我正在考虑获取每个段落并取段落中所有单词嵌入的平均值来创建“段落嵌入”，并将其与训练集提取文本的“段落嵌入”进行比较，但我不知道是否有一种更强大的方法可以做到这一点。

我们希望改进 NLU 使用的默认模型，以满足我们特定领域（金融和特别是股票交易）的需求。我看到了两种可能性：

1. 使用 Watson Knowledge Studio 构建自定义模型，然后将其直接部署到 NLU
2. 使用自定义模型扩展 NLU 以获得支持的功能。这不使用 Knowledge Studio。

我们目前对改善情绪感兴趣，但在以后我们可能还想提高 NER 性能以满足我们特定领域的需求。

欢迎对上述两种方法提出意见（利弊）。