rasa nlu ner_crf 未提取任何实体答案

【问题标题】：rasa nlu ner_crf not extracting any entitiesrasa nlu ner_crf 未提取任何实体
【发布时间】：2019-08-03 02:47:34
【问题描述】：

我已成功让我的代码检测到正确的意图，但即使我在训练数据中提供了一些实体，也没有出现实体。

数据.json：

    { “common_examples”: [ 

    { “text”:“Hello”, 
      “intent”:“greeting”, 
      “entities”:[] }, 

    { “text”:“Hi”, 
      “intent”:“greeting”, 
      “entities”:[] }, 

    { “text”:“I want a recipe for my lunch”, 
      “intent”:“get_recipe”, 
      “entities”:[ 
         { “start”:22, 
           “end”: 28, 
           “value”: “lunch”, 
           “entity”: “mealtime” } 
      ] 
     }, 

    { “text”:“Can you give me a recipe for dinner tonight?”, 
      “intent”:“get_recipe”, 
      “entities”:[ 
          { “start”:29, 
            “end”:35, 
            “value”: “dinner”, 
            “entity”: “mealtime” } 
       ] 
     }, 

    { “text”:“I don’t know what to have for lunch”, 
      “intent”:“get_recipe”, 
      “entities”:[ 
          { “start”:31, 
            “end”: 35, 
            “value”: “lunch”, 
            “entity”: “mealtime” } 
       ] 
     } 
},

}
],
    "regex_features": [],
    "entity_synonyms":[]
  }

}

这只是一个sn-p。我总共为 get_recipe 意图创建了 15 个示例。我只需要它从发送给机器人的消息中挑选出“用餐时间”的实体。

我的config.yml如下：

language: “en”

pipeline:

-name: “nlp_spacy”
-name: “tokenizer_spacy”
-name: “intent_entity_featurizer_regex”
-name: “intent_featurizer_spacy”
-name: “ner_crf”
-name: “ner_synonyms”
-name: “intent_featurizer_count_vectors”
-name: “intent_classifier_tensorflow_embedding”

这是我用来训练机器人的代码：

from rasa_nlu.training_data import load_data 
from rasa_nlu.model import Trainer 
from rasa_nlu import config 
from rasa_nlu.model import Interpreter

def train_bot(data_json,config_file,model_dir): 
    training_data = load_data(data_json) 
    trainer = Trainer(config.load(config_file)) 
    trainer.train(training_data) 
    model_directory=trainer.persist(model_dir,fixed_model_name=‘vegabot’)

运行良好。

我运行来预测意图的代码：

def predict_intent(text): 
    interpreter = Interpreter.load(‘models/nlu/default/vegabot’) 
    print(interpreter.parse(text))

产生结果：

{‘intent’: {‘name’: ‘get_recipe’, ‘confidence’: 0.9701309204101562}, ‘entities’: [], ‘intent_ranking’: [{‘name’: ‘get_recipe’, ‘confidence’: 0.9701309204101562}, {‘name’: ‘greeting’, ‘confidence’: 0.03588612377643585}], ‘text’: ‘can you find me a recipe for dinner’}

如您所见，意图是正确的，但实体为空白 []，我不知道为什么。我似乎没有收到任何错误。除了这个，一切都运行良好！

我还进行了评估并得到：

- intent examples: 12 (2 distinct intents) 
- Found intents: ‘greeting’, ‘get_recipe’ 
- entity examples: 10 (1 distinct entities) 
- found entities: ‘mealtime’ which all looks fine.

很明显它知道要注意用餐时间实体，但为什么不从我的测试消息中提取它？

例如我需要一份午餐食谱，你能给我一份晚餐时间的食谱吗？等等

我使用的是 RASA NLU 0.14 版。

任何帮助将不胜感激。谢谢。

【问题讨论】：

ner_crf 根据位置线索提取实体。您可以尝试添加更多类似类型的示例。例如> I don’t know what to have for lunch. > I do not know what to have for lunch. > I don't really know what to have for lunch 告诉我进展如何。
@msv 我添加了更多类似的示例，它似乎有效，谢谢！
很高兴它成功了！请确保在stackoverflow上推广正确的答案:)

标签： tensorflow chatbot rasa-nlu named-entity-recognition crf

【解决方案1】：

Rasa 中的机器学习模型需要一些数据来训练。正如 cmets 中正确建议的那样，您必须为条件随机场提供几个示例，以便它实际上能够泛化。还要确保改变它周围的句子，否则 crf 不会泛化到其他上下文。

【讨论】：