重新訓練和更新現有的Rasa NLU模型

Question

我一直在將Rasa NLU用於一個涉及理解結構化文本的項目。 我的用例要求我通過添加文本語料庫實體的新示例來不斷更新訓練集。 但是，這意味着我必須每隔幾天就對模型進行一次再訓練，由於增加了訓練集的大小，因此需要花費更多的時間進行相同的訓練。

Rasa NLU中是否有一種方法可以通過僅使用新的訓練集數據對其進行訓練，而不是使用整個先前的訓練數據集和新的訓練數據集再次對整個模型進行訓練來更新已訓練的模型？

我正在嘗試尋找一種方法，我可以通過每隔幾天使用增量的額外訓練數據集對其進行訓練來簡單地更新現有的訓練模型。

Answer 1

迄今為止，有關該主題的最新Github 問題指出，無法通過添加新話語來重新訓練模型。 對於其中引用的先前問題也是如此。

您是對的：必須定期對越來越長的文件進行再培訓，這越來越耗時。 雖然， 在地方再培訓是不是在生產一個好主意。

用戶評論中的出色示例：

對同一模型進行再培訓對於生產系統可能是個問題。 我曾經覆蓋過我的模型，然后在某個時候，其中一項訓練不能很好地進行，並且我開始看到我的回應信心出現了嚴重下降。 我必須找到問題的根源並重新訓練模型。

始終（使用時間戳記）培訓新模型是件好事，因為它使回滾變得容易（並且回滾將在生產系統中發生）。 然后，我從數據庫中獲取最新的模型名稱。