Rasa课程、Rasa培训、Rasa面试系列之：  Rasa NLU意图分类和实体抽取

意图分类

      我们为所有标记和整个句子生成了特征，就可以将其传递给意图分类模型。建议使用Rasa的DIET模型，DIET可以处理意图分类和实体提取，还可以从标记和句子特征中学习。

我们应该意识到DIET算法的特殊性，Rasa过去托管的大多数算法要么进行实体抽取，要么进行意图分类，但它们并没有同时做到这两种功能。这通常也意味着意图分类模型只考虑管道的句子特征，而忽略了标记特征。

实体提取

尽管DIET可以学习如何抽取实体，但我们并不一定建议将其用于所有类型的实体。例如，遵循结构化模式的实体，如电话号码，实际上并不需要一个算法来检测它们，可以用regexentity提取器 。这就是为什么在管道中通常有一种以上类型的实体提取器。

Rasa官网链接： https://rasa.com/docs/rasa/

Gavin大咖课程信息分享：

NLP 高手之路101课（模型、算法、论文、源码、案例 + 1年答疑）

Rasa 3.x 源码高手之路：系统架构、内核算法、源码实现详解

Gavin大咖简介

星空智能对话机器人创始人、AI通用双线思考法作者，现工作于硅谷顶级的AI实验室。专精于Conversational AI. 在美国曾先后工作于硅谷最顶级的机器学习和人工智能实验室

Gavin大咖微信：NLP_Matrix_Space 

联系电话：+1 650-603-1290

联系邮箱：hiheartfirst@gmail.com

助教老师微信：Spark_AI_NLP 

标签：抽取,NLU,Rasa,AI,实体,DIET,意图,分类
来源： https://blog.csdn.net/ZimingUit/article/details/123101331