将新词识别为 rasa nlu 中的意图

Question

一直在使用 rasa nlu 为我的聊天机器人对意图和实体进行分类。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。这对于实体有限的场景来说很好。但是，当机器人需要识别一个单词（具有不同的长度且尚未训练，例如一个新名称）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，该单词列表成为实体的特定域以找到匹配项（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！

Answer 1

确保在使用 rasa_nlu 训练之前实际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。在 rasa_nlu 训练数据中，如果未正确提取

"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"
    }       
]

使用短语匹配的实体提取在 rasa_nlu 中确实有效 spacy_sklearn 后端管道

Answer 2

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，我们只需将该名称添加到短语列表中，模型就能够用所有可能的话语来识别它。虽然这仍在开发中，但应该很快就会添加到 master 中：https://github.com/RasaHQ/rasa_nlu/pull/822

将新词识别为 rasa nlu 中的意图

identify new words as intents in rasa nlu

chatbot

rasa-nlu