[英]RASA slot extraction NLU data
嗨,我正在尝试使用 RASA 填写表单,目前我有一个名为 email 的插槽,所以我的问题是,为插槽映射的预期答案插入模式的最佳方法是什么。 我在 action.py 中看到了插槽映射函数,例如 self.from_intent、self.from_entity、self.from_text 所以我需要为电子邮件编写模式,例如:
my email is [resllll@gmail.com](email)
email address is [resllll@gmail.com](email)
[resll@gmail.com](email) this is my email
那么,如何通过在意图名称下列出 nlu 文件中的所有模式并在 self.from_intent 或使用 self.from_entity 中提供该意图,来为我的模型实现更高的准确性和可重用性。 有没有其他更好的方法? 我正在使用 RASA 1.8
您应该对电子邮件使用预训练的实体提取器,例如DucklingHTTPExtractor
。 这比尝试自己添加所有模式要准确得多。 在管道中,这看起来像:
pipeline:
...<other components>
- DucklingHTTPExtractor
dimensions: ["email"]
确保启动 Duckling 服务器以使其正常工作:
docker run -p 8000:8000 rasa/duckling
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.