ดาวน์โหลด rasa_nlu_gq - ดาวน์โหลดซอร์สโค้ด rasa_nlu

rasa_nlu_gq

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

rasa nlu gq

Rasa NLU (ความเข้าใจภาษาธรรมชาติ) เป็นเครื่องมือในการทำความเข้าใจความหมายตามธรรมชาติ ตัวอย่างเช่นเว็บไซต์ทางการมีดังนี้:

"ฉันกำลังมองหาร้านอาหารเม็กซิกันในใจกลางเมือง"

และส่งคืนข้อมูลที่มีโครงสร้างเช่น:

  intent: search_restaurant
  entities: 
    - cuisine : Mexican
    - location : center

การแนะนำ

โครงการดั้งเดิมอยู่ในสาขา 0.2.7 และสามารถเปลี่ยนได้อย่างอิสระ การดัดแปลงของเวอร์ชันนี้ขึ้นอยู่กับ RASA เวอร์ชันล่าสุด ส่วนประกอบดั้งเดิมใน RASA_NLU_GAO ได้รับการแก้ไขและไม่มีการเพิ่มเติมใหม่ ยิ่งไปกว่านั้นการปฏิบัติก่อนหน้านี้ค่อนข้างยุ่งยากและไม่จำเป็นต้องแก้ไขในซอร์สโค้ด RASA คุณสามารถโหลดส่วนประกอบดั้งเดิมโดยตรงเป็น addon สืบทอด RASA เวอร์ชันล่าสุดและอัปเดตตามเวลาจริง

คุณสมบัติใหม่

ฟีเจอร์ใหม่ที่เพิ่มเข้ามามีดังนี้ (โปรดดาวน์โหลดเวอร์ชัน Rasa-Nlu-Gao ล่าสุด) (แก้ไขที่ 2019.06.24):

มีการเพิ่มโมเดลใหม่สำหรับการจดจำเอนทิตีแล้วหนึ่งคือ Bilstm+CRF และอีกรุ่นคือ IDCNN+CRF แบบจำลองการขยายตัวของการขยายตัว การกำหนดค่าไฟล์ YML ที่เกี่ยวข้องมีดังนี้:

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "CountVectorsFeaturizer"
    token_pattern: "(?u)bw+b"
  - name: "EmbeddingIntentClassifier"
  - name: "rasa_nlu_gao.extractors.bilstm_crf_entity_extractor.BilstmCRFEntityExtractor"
    lr: 0.001
    char_dim: 100
    lstm_dim: 100
    batches_per_epoch: 10
    seg_dim: 20
    num_segs: 4
    batch_size: 200
    tag_schema: "iobes"
    model_type: "bilstm" # 模型支持两种idcnn膨胀卷积模型或bilstm双向lstm模型
    clip: 5
    optimizer: "adam"
    dropout_keep: 0.5
    steps_check: 100

สามารถเพิ่มโมดูลใหม่สำหรับคำอธิบายประกอบของ Jieba Part-of-Speech ซึ่งสามารถระบุส่วนหนึ่งของคำพูดที่ Jieba สามารถรองรับได้เช่นชื่อชื่อสถานที่ชื่อองค์กร ฯลฯ การกำหนดค่าไฟล์ YML ที่เกี่ยวข้องมีดังนี้:

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "CRFEntityExtractor"
  - name: "rasa_nlu_gao.extractors.jieba_pseg_extractor.JiebaPsegExtractor"
    part_of_speech: ["nr", "ns", "nt"]
  - name: "CountVectorsFeaturizer"
    OOV_token: oov
    token_pattern: "(?u)bw+b"
  - name: "EmbeddingIntentClassifier"

มีการเพิ่มความตั้งใจในการปรับเปลี่ยนย้อนกลับใหม่ตามเอนทิตีและการกำหนดค่าไฟล์ที่เกี่ยวข้องมีดังนี้:

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "CRFEntityExtractor"
  - name: "JiebaPsegExtractor"
  - name: "CountVectorsFeaturizer"
    OOV_token: oov
    token_pattern: '(?u)bw+b'
  - name: "EmbeddingIntentClassifier"
  - name: "rasa_nlu_gao.classifiers.entity_edit_intent.EntityEditIntent"
    entity: ["nr"]
    intent: ["enter_data"]
    min_confidence: 0

มีการเพิ่มคุณสมบัติใหม่ของคำว่าเวกเตอร์ที่แยกโดยโมเดลเดิมพันและไฟล์การกำหนดค่าที่เกี่ยวข้องมีดังนี้:

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "rasa_nlu_gao.featurizers.bert_vectors_featurizer.BertVectorsFeaturizer"
    ip: '127.0.0.1'
    port: 5555
    port_out: 5556
    show_server_config: True
    timeout: 10000
  - name: "EmbeddingIntentClassifier"
  - name: "CRFEntityExtractor"

การกำหนดค่าใหม่สำหรับการใช้งาน CPU และ GPU ส่วนใหญ่ EmbeddingIntentClassifier และ ner_bilstm_crf ส่วนประกอบสองส่วนที่ใช้ TensorFlow ได้รับการกำหนดค่าดังต่อไปนี้ (แน่นอน config_proto ไม่สามารถกำหนดค่าและค่าเริ่มต้นจะใช้ทรัพยากรทั้งหมด):

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "CountVectorsFeaturizer"
    token_pattern: '(?u)bw+b'
  - name: "EmbeddingIntentClassifier"
    config_proto: {
      "device_count": 4,
      "inter_op_parallelism_threads": 0,
      "intra_op_parallelism_threads": 0,
      "allow_growth": True
    }
  - name: "rasa_nlu_gao.extractors.bilstm_crf_entity_extractor.BilstmCRFEntityExtractor"
    config_proto: {
      "device_count": 4,
      "inter_op_parallelism_threads": 0,
      "intra_op_parallelism_threads": 0,
      "allow_growth": True
    }

มีการเพิ่มตัวจําแนก embedding_bert_intent_classifier และไฟล์การกำหนดค่าที่เกี่ยวข้องมีดังนี้:

  language: "zh"

  pipeline:
  - name: "JiebaTokenizer"
  - name: "rasa_nlu_gao.featurizers.bert_vectors_featurizer.BertVectorsFeaturizer"
    ip: '127.0.0.1'
    port: 5555
    port_out: 5556
    show_server_config: True
    timeout: 10000
  - name: "rasa_nlu_gao.classifiers.embedding_bert_intent_classifier.EmbeddingBertIntentClassifier"
  - name: "CRFEntityExtractor"

เมื่อเวกเตอร์คำพื้นฐานใช้เบิร์ตตัวจําแนกแบ็กเอนด์จะเสร็จสมบูรณ์โดยใช้ tensorflow API ขั้นสูง, tf.estimator, tf.data, tf.example, tf.saved_model intent_estimator_classifier_tensorflow_embedding_bert classifier

 language: "zh"

pipeline:
- name: "JiebaTokenizer"
- name: "rasa_nlu_gao.featurizers.bert_vectors_featurizer.BertVectorsFeaturizer"
  ip: '127.0.0.1'
  port: 5555
  port_out: 5556
  show_server_config: True
  timeout: 10000
- name: "rasa_nlu_gao.classifiers.embedding_bert_intent_estimator_classifier.EmbeddingBertIntentEstimatorClassifier"
- name: "SpacyNLP"
- name: "CRFEntityExtractor"