带有通配符实体的 Rasa
Rasa with wildcard entity
我正在使用 Rasa 2.6 并试图找到一种方法让用户在没有可笑的实体列表的情况下搜索食谱。所以代替:
- intent: cooking_baking
examples: |
- show me a recipie for [cake](cookingAndBaking)
- show me a recipie for [pizza](cookingAndBaking)
- show me a recipie for [pie](cookingAndBaking)
用户应该能够指定他们正在寻找的食谱:
- intent: cooking_baking
examples: |
- show me a recipie for [*](cookingAndBaking)
并且他们的食谱仍然被归还。
实体提取使用机器学习,其中一个模型是'trained'通过查看例句来进行提取。
您不需要提供很长的例句列表。只要您提供足够的示例,通常在 5-20 个之间,模型就会学习提取实体值,即使它没有在训练示例中提供。
创建例句时,建议使用用户与您的机器人交谈的多种方式,例如您的示例:
- intent: cooking_baking
examples: |
- show me a recipie for [cake](cookingAndBaking)
- do you have a recipie for [pizza](cookingAndBaking)
- Can you help me bake a [pie](cookingAndBaking)?
- etc.
建议申请Conversation-Driven Development。这意味着你不应该试图自己想出太多的句子。刚好可以正常工作,然后让其他人与您的机器人交谈。然后,您有选择地将他们的句子添加到您的训练数据中。
我正在使用 Rasa 2.6 并试图找到一种方法让用户在没有可笑的实体列表的情况下搜索食谱。所以代替:
- intent: cooking_baking
examples: |
- show me a recipie for [cake](cookingAndBaking)
- show me a recipie for [pizza](cookingAndBaking)
- show me a recipie for [pie](cookingAndBaking)
用户应该能够指定他们正在寻找的食谱:
- intent: cooking_baking
examples: |
- show me a recipie for [*](cookingAndBaking)
并且他们的食谱仍然被归还。
实体提取使用机器学习,其中一个模型是'trained'通过查看例句来进行提取。
您不需要提供很长的例句列表。只要您提供足够的示例,通常在 5-20 个之间,模型就会学习提取实体值,即使它没有在训练示例中提供。
创建例句时,建议使用用户与您的机器人交谈的多种方式,例如您的示例:
- intent: cooking_baking
examples: |
- show me a recipie for [cake](cookingAndBaking)
- do you have a recipie for [pizza](cookingAndBaking)
- Can you help me bake a [pie](cookingAndBaking)?
- etc.
建议申请Conversation-Driven Development。这意味着你不应该试图自己想出太多的句子。刚好可以正常工作,然后让其他人与您的机器人交谈。然后,您有选择地将他们的句子添加到您的训练数据中。