如何在 RASA 中识别多个实体

Question

我想从用户输入中提取多个实体。 示例-“由于 CPU 使用率高和 DNS 错误，服务 httpd 没有响应” 所以在这里我想在下面确定： Httpd 高 CPU 使用率 DNS 错误

我将使用此关键字从数据库中获取响应。

Answer 1

只需相应地注释它们，例如

## intent: query_error
- Service [httpd](keyword) is not responding because of [high CPU usage](keyword) and [DNS Error](keyword)

有了上面的句子，Rasa NLU 将提取 3 个 keyword 类型的实体。然后，您可以在 custom action 中访问这些实体并查询您的数据库。

关于所需示例的数量：这取决于

• 您正在使用的NLU pipeline。通常tensorflow_embedding 需要比spacy_sklearn 更多的训练示例，因为它不使用预训练的语言模型。
• 您的实体可以拥有的不同值的数量。如果只有httpd、high CPU usage和DNS error，那么你不需要很多例子。但是，如果您的实体有一千个不同的值，那么您需要更多的训练示例

如果您总是想触发相同的自定义操作，那么一个意图就足够了。但是，如果您想对不同类型的问题进行分类，例如服务器问题和客户端问题，并根据问题的类型触发不同的数据库，您可以考虑有多个意图。

抱歉，答案含糊不清，但在机器学习中，大多数事情都高度依赖于用例和数据集。