为什么 Rasa NLU 使用 SVM 而不是 LSTM？答案

【问题标题】：Why Rasa NLU uses SVM rather than LSTM?为什么 Rasa NLU 使用 SVM 而不是 LSTM？
【发布时间】：2019-04-24 20:48:27
【问题描述】：

我是机器学习的新手。

我在一些博客中读到 RASA NLU 使用 SVM 对词嵌入进行分类以对意图进行分类。但最近我的开发人员说 LSTM 比 SVM 更好用。我可以将 rasa nlu 与 LSTM 一起使用吗？这是一个好方法吗？

我目前使用 spacy_sklearn 在 Rasa nlu 上训练我的模型。

【问题讨论】：

标签： rasa-nlu

【解决方案1】：

Rasa NLU 不仅使用 SVM，它还提供了使用多种算法的 multiple pipelines。

这里有一些关于Rasa's TensorFlow pipeline 的信息。在那篇文章中，他们还链接到另一篇文章，该文章解释了 SVM 如何成为 "embarrassingly good baseline"

这是他们在 Rasa NLU 中how to choose the right pipeline 上写的一篇博文。

我看到你也在Articulate Gitter 中问过这个问题。很抱歉没有在那里回复。 Articulate 支持 Rasa 支持的任何管道，我们的最新版本默认使用 Rasa 的 TensorFlow 管道。

不能说 LSTM 总是优于 SVM。尽管您可以在 Google 上搜索others opinions. 您当前的解决方案是否未能正确分类意图？如果是这样，请尝试不同的管道。如果不是，那么仅仅为了它而转向更新/更先进的技术是没有意义的。

【讨论】：