重新训练和更新现有的Rasa NLU模型

Question

我一直在将Rasa NLU用于一个涉及理解结构化文本的项目。 我的用例要求我通过添加文本语料库实体的新示例来不断更新训练集。 但是，这意味着我必须每隔几天就对模型进行一次再训练，由于增加了训练集的大小，因此需要花费更多的时间进行相同的训练。

Rasa NLU中是否有一种方法可以通过仅使用新的训练集数据对其进行训练，而不是使用整个先前的训练数据集和新的训练数据集再次对整个模型进行训练来更新已训练的模型？

我正在尝试寻找一种方法，我可以通过每隔几天使用增量的额外训练数据集对其进行训练来简单地更新现有的训练模型。

Answer 1

迄今为止，有关该主题的最新Github 问题指出，无法通过添加新话语来重新训练模型。 对于其中引用的先前问题也是如此。

您是对的：必须定期对越来越长的文件进行再培训，这越来越耗时。 虽然， 在地方再培训是不是在生产一个好主意。

用户评论中的出色示例：

对同一模型进行再培训对于生产系统可能是个问题。 我曾经覆盖过我的模型，然后在某个时候，其中一项训练不能很好地进行，并且我开始看到我的回应信心出现了严重下降。 我必须找到问题的根源并重新训练模型。

始终（使用时间戳记）培训新模型是件好事，因为它使回滚变得容易（并且回滚将在生产系统中发生）。 然后，我从数据库中获取最新的模型名称。