我正在使用 Rasa 中的 MITIE 后端训练一个用于识别短的、一到三个句子字符串的模型。该模型使用 spaCy 进行训练和工作，但它并不像我想要的那样准确。spaCy 的培训不超过五分钟，但 MITIE 的培训在我拥有 16GB RAM 的计算机上不间断地运行了几天。因此，我开始在具有 255GB RAM 和 32 个线程的 Amazon EC2 r4.8xlarge 实例上对其进行训练，但它似乎并未使用所有可用资源。

在 Rasa 配置文件中，我有num_threads: 32和 set max_training_processes: 1，我认为这将有助于使用所有可用的内存和计算能力。但现在它已经运行了几个小时，CPU 使用率处于 3%（100% 使用率，但仅在一个线程上），内存使用率保持在 25GB 左右，是可能的十分之一。

你们有没有尝试加速 MITIE 培训的经验？我的模型有 175 个意图和总共 6000 个意图示例。Rasa 配置文件中有什么需要调整的吗？

任何人都可以澄清如何配置后续意图或提示，如 api.ai 吗？我正在尝试使用 rasa nad spacy 作为后端创建类似于 api.ai 的应用程序。

Rasa NLU 版本（例如 0.7.3）：0.10.0a6

使用的后端/管道（mitie，spacy_sklearn，...）：["nlp_spacy", "tokenizer_spacy", "intent_featurizer_spacy","ner_crf", "ner_synonyms", "intent_classifier_sklearn","ner_spacy"]

操作系统（windows、osx、...）：Windows server 2012 R2

问题：我已经安装了 Rasa nlu 0.10.0a6 版本。我的confi_spacy 文件看起来像。

我的数据文件看起来像。

使用上面的配置和 json 数据，我已经使用低于 HTTP 端点训练了 Rasa

/train?project=项目

在使用训练数据创建的一个项目文件夹中训练数据后。

我用下面的命令启动了 Rasa 服务器。

python -m rasa_nlu.server -c config_spacy.json

现在服务器从端口 5000 启动。

当我可以执行 '/parse?q=hello&project=Project' 解析端点得到低于响应。

当我可以执行 '/parse?q=Great choice&project=Project' 时，解析端点低于响应。

当我可以执行 '/parse?q=Great choice&Project=Project' 时，解析端点低于响应。

当我可以执行“/parse?q=Book a cab&project=Project”时，解析端点低于响应。

以这种方式，对于每个请求，它有时会以正确的结果响应，有时则不会。如果您可以在这两个响应中观察 Parse_reponce2.txt 和 Parse_reponce3.txt，由于此更改，我刚刚从小“p”更改为“项目”中的大写“P”，每个请求我得到不同的结果。

在经过训练的数据中，没有“预订出租车”文本或任何相关意图。但是，当我使用此文本发送解析时，我没有得到无意图，它正在返回意图结果。对于任何随机的任何解析请求都没有得到无意图。

这是我的培训问题还是出了什么问题。请让我知道如何获得正确的意图结果以及实体结果。

配置文件的内容（如果使用且相关）：

我是 Rasa 和 docker 的新手。我对 Rasa-NLU 进行 dockerize 的尝试包括以下步骤： 说明是从这里引用的

1. 做了最新 Rasa-NLU 的 Git 克隆
2. 复制Dockerfile_full（从内部/docker）到根目录
3. config_default.json将指定的端口号Dockerfile_full从默认（5000）更改为 5048。

4. 构建使用：docker build -t rasa_nlu .

5. 在不同于默认 (5000) 端口的端口 (5048) 上运行 docker。

但是，控制台中会记录以下内容：

INFO:rasa_nlu.data_router:Logging requests to '/app/logs/rasa_nlu_log-20170928-091903-1.log'. INFO:__main__:Started http server on port 5000 2017-09-28 09:19:03+0000 [-] Log opened. 2017-09-28 09:19:03+0000 [-] Site starting on 5000 2017-09-28 09:19:03+0000 [-] Starting factory <twisted.web.server.Site instance at 0x7fbab0bfdd40>

如果我尝试使用 CURL 在本地访问 Rasa 端点，则会收到connection reset错误消息。当在 docker 容器中检查时（使用docker exec）它在端口 5000 上运行，我对被引用的错误端口的怀疑得到了证实。

有人可以帮我看看我到底哪里出错了，应该在哪里配置端口号？

提前致谢！

我正在测试 NLP 工具，现在我遇到了 Rasa NLU 的问题。

使用 API.AI、Wit.ai 和 LUIS.AI，我可以在不超过 8-10 个示例的情况下找到我想要的实体。另一方面，对于 Rasa，我已经有 18 个示例，但我永远找不到实体。即使我的查询与我的一个示例完全匹配，我仍然有一个空的实体数组作为结果。

我将 Rasa 与推荐的 Docker 实例一起使用，我当前的管道是["nlp_spacy", "tokenizer_spacy", "intent_featurizer_spacy", "ner_crf", "ner_synonyms", "intent_classifier_sklearn" and "ner_duckling"].

我在查询中指定我的项目和模型，如下所示：

localhost:5000/parse?q=my_sentence&project=my_project&model=my_model

任何有用的信息表示赞赏。谢谢！

更新示例

然后，例如，当我尝试从“我需要什么来制作巧克力蛋糕？”中提取信息时。（也作为示例列出）这是结果：

{"entities": [], "intent": {"confidence": 0.8870822891508189, "name": "AskRecipe"}, "text": "What do I need to make brownies?", "intent_ranking": [{"confidence": 0.8870822891508189, "name": "AskRecipe"}, {"confidence": 0.11291771084918109, "name": "greet"}]}

我尝试了许多其他示例，但没有一个有效。

我试图了解 MITIE 如何与 Rasa 集成。我想知道 MITIE 文件 total_word_feature_extractor.dat 到底包含什么？我没有找到任何关于此的好的文档。

谢谢！

是否有任何带有标记实体的现有数据集来训练 MITIE ner 模型？我检查了链接，https://github.com/mit-nlp/MITIE/blob/master/examples/python/train_ner.py，它只用两个样本训练模型。是否有任何带有标记实体的现有数据集进行训练？

我一直在探索使用预训练的 MITIE 模型进行命名实体提取。无论如何我可以查看他们的实际 ner 模型而不是使用预训练模型吗？该模型是否可作为开源提供？

我正在尝试在 Windows 10 上安装 rasa。我已经安装了 Python 3.6 和 pip。当我运行pip install rasa_nlu时，我收到以下错误：

我已经尝试了大多数解决方案，例如重新安装 Microsoft 可再发行组件、安装构建工具等，但它们都没有奏效。

我正在尝试rasa-core通过 nlu 解释器创建简单的打印机支持聊天机器人，机器人应该获取打印机型号和打印机类型并发布问题。

我在插槽和实体中使用了打印机模型和打印机类型变量，但插槽没有从聊天字符串中填充。

请帮助我。