RASA 槽提取 NLU 数据答案

【问题标题】：RASA slot extraction NLU dataRASA 槽提取 NLU 数据
【发布时间】：2020-03-13 07:47:44
【问题描述】：

您好，我正在尝试使用 RASA 填写表格，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 slot 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。还有其他更好的方法吗？我正在使用 RASA 1.8

【问题讨论】：

标签： python machine-learning rasa-nlu rasa-core rasa

【解决方案1】：

您应该使用预训练的实体提取器，例如 DucklingHTTPExtractor 来处理电子邮件。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

【讨论】：