rasa中文语言模型spacy的配置

1355913552 • 08/08 22:32 • Linux技术 • 阅读 278

本篇内容介绍了“rasa中文语言模型spacy的配置”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！spacy最新版本开始支持中文1, 下载中文语言模型 zh_core_web_md-2.3.1.tar.gz 下载地址:https://spacy.io/models/zh2,rasa 聊天机器人 config.yml 改进配置:language: zh
pipeline:
– name: SpacyNLP # 预训练词向量
model: “zh_core_web_md”
– name: SpacyTokenizer # 文本分词器
– name: SpacyEntityExtractor #文本特征化
– name: SpacyFeaturizer #特征提取器将一句话变成一个向量
pooling: mean
– name: CountVectorsFeaturizer #创建用户信息和标签(意图和响应)的词袋表征为意图分类和 response selection创建特征
– name: CountVectorsFeaturizer
analyzer: “char_wb”
min_ngram: 1
max_ngram: 4
– name: DIETClassifier #意图分类
epochs: 100
– name: EntitySynonymMapper #同义实体
– name: ResponseSelector
epochs: 100# Configuration for Rasa Core.
# https://rasa.com/docs/rasa/core/policies/
policies:
– name: MemoizationPolicy
– name: TEDPolicy
max_history: 5
epochs: 100
– name: MappingPolicy
~直接在nlu.md中写入中文：## intent:greet
– 你好
– 您好
– hi
– 早上好
– 中午好
– 晚上香港云主机好## intent:goodbye
– 再见
– 回头见
– 拜拜## intent:affirm
– 好的
– 好
– 行## intent:deny
– 不行
– 不可以
– 不同意
– 没门## intent:bot_challenge
– 你是人吗
– 你是机器人吗
– 我在和机器人说话吗
– 我在和人说话吗?
~3，如何挑选哪个意图分类的组件？组件有两类预训练Embedding 和监督式Embedding。第一类预训练Embedding： sklearnintentclassifier使用 spaCy library加载预训练语言模型，包含中文。什么时候使用此组件？满足项目场景的预训练词嵌入存在，且能适用于项目时。第二类监督式Embedding：embeddingintentclassifier从0开始训练词嵌入。通常和 countvectorsfeaturizer 组件一起使用。特点：需要足够的训练数据，此分类器独立于语言，只带多意图的消息，十分灵活。“rasa中文语言模型spacy的配置”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注开发云网站，小编将为大家输出更多高质量的实用文章！

相关推荐: python中如何解析xml文件

本篇文章为大家展示了python中如何解析xml文件，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。XML 指可扩展标记语言（eXtensibleMarkupLanguage）。XML 被设计用来传输和存储数据。XML …