问题标签 [nlu]

对于文本分类任务，我应用了 Bert(fine tune)，得到的输出如下： 为什么 input_mask 都是 1 ？

试图了解如何将 json 意图上传到 google dialogflow ES 以更好地预处理信息的正确方法，我遇到了这个疑问。

什么是工作流/管道对话流 NLU？它是否使训练短语成为词干或词形还原？

我是 RASA 的初学者。我想从“将 X 添加到购物车”、“选择 X”或“将 X 放入购物车”等语句中提取产品名称作为实体。我的机器人正在正确识别意图，但无法提取实体。它只能选择与我在示例中放置的非常接近的实体。我想要的是检测作为实体放入语句中的任何内容。我怎样才能做到这一点？

我尝试了像 [A-Za-z0-9]+ 这样的正则表达式示例，但它没有用。

我的 Botpress 聊天机器人已准备好部署。我已经浏览了 Botpress 官方网站上提供的关于如何在 Heroku 平台上部署它的文档，但无法弄清楚其中的大部分内容。有人可以帮我吗？

我有两种不同的意图来捕获体温和氧饱和度值：

• 意图：（body_temperature_data包含body_temperature自定义实体）
• 意图：（oxygen_saturation_data包含oxygen_saturation自定义实体）

下面是data/intents.yml一段摘录：

如示例所示，我想获取表示为的实体值（以及随后的表单中的插槽）

• 数字形式的数字 ( 35.5)，可能由用户在聊天消息通道上发短信
• 数字作为字母 ( trentacinque punto cinque)，可能通过语音输入，因此语音识别引擎通常会返回数字的文字记录。

看看如果我测试 RASA NLU 会发生什么：

因此，如果将数字作为单词/字母插入，RASA 会正确分类 intentoxygen_saturation_data和 entity oxygen_saturation。到目前为止，一切都很好。

但如果我按数字插入数字（例如90.3），则意图和实体分类错误。

这让我感到惊讶，因为示例集包含两个意图body_temperature，并且oxygen_saturation是两个完全分开的文本集！

我的问题是为什么意图/实体被错误分类？

顺便说一句，我尝试在示例中添加引号：

代替：

但这会在火车时引发此错误/警告：

/home/giorgio/.local/lib/python3.8/site-packages/rasa/shared/utils/io.py:97：用户警告：消息“35.5”中的实体注释未对齐，意图为“body_temperature_data”。确保训练数据中实体 ([(0, 6, "'35.5'")]) 的开始和结束值与标记边界 ([(0, 5, "'35.5")]) 匹配。常见原因：

1. 实体包括尾随空格或标点符号
2. 由于诸如中文之类的语言不使用空格进行单词分隔，标记器给出了意外的结果更多信息在https://rasa.com/docs/rasa/training-data-format#nlu-training-data

我的疑问是将数字（例如作为数字字符串的浮点数35.5）作为实体（和意图示例）。这可能是 RASA NLU 失败的原因（请参阅上面的 rasa shell nlu 报告）？

任何想法？

谢谢

如何计算两个标签列表之间的语义相似度？例如：

输入

输出

有没有我可以用来执行此操作的 python 包/库？

我是 Snips NLU 的新手，正在阅读文档并理解意图、插槽、实体等概念。但我找不到任何能让程序员保持正在进行的对话状态的东西，这对 Snips 的回复有一定的影响引擎给出。有没有办法在 Snips 中做到这一点，就像在 Rasa 中一样（可能在其他 NLU 中）？还是 Snips 还没有这个功能？

我正在尝试制作 NLU 模型。当我跑

我收到一个错误：

我想，“嗯，不是什么大问题，Colaboratory 只是默认没有安装 Rasa，我就安装它”。因此，当我使用 安装它时!pip install rasa_nlu，它完成了所有操作，然后它告诉我重新启动运行时并给了我一个按钮来执行此操作。我这样做了，然后我跑了from rasa_nlu.config import RasaNLUConfig，我仍然得到同样的错误：

我不熟悉，!apt所以我不知道我应该如何安装 Rasa。问题会因此得到解决吗？或者是别的什么？

我对 Dialogflow 很陌生，我正在构建这个食品订购聊天机器人。

用户可以说

或者

但我现在面临的问题是 Dialogflow 最多只能匹配三个项目，例如I want two chicken burrito, one beef burger, two coca-cola. 如果一个句子中要匹配的项目超过三个，则识别将完全失败。

任何帮助将非常感激！

我想训练一个机器人来识别如下对话：

Bot：你想要一个 12 英寸还是 14 英寸的披萨？

用户：如果你有玛格丽塔披萨，我想要 12 英寸，但如果你有意大利辣香肠披萨，我想要 14 英寸

换句话说，我喜欢实现一个能够处理的 NLU

...如果 X 则 Y 否则 Z ...

我以前从未尝试过这个，但也许像 SPACY 词性标注器这样的工具可能会有所帮助？

当然，一旦我的解决方案能够识别上面的 X、Y 和 Z 部分，我就可以将实体识别应用于各个部分。

理想情况下，我想使用任何 python 开源库。

欢迎任何建议或代码片段