Rasa NLU

Rasa Nlu 工作原理

智慧機器人是人工智慧一個重大分支，只能機器人包括幾大模組：自然語言識別（ASR）、自然語言處理（NLU）、對話流程(DM)、自然語言生成（TTS），目前自己的工作涉及的方面主要是 NLU 與 DM，本文主要寫一下NLU，即Rasa NLU。關於對話流程見另一篇博文。

具體流程：

• 編寫一個檔案 intent.md 用來存放語料（需要根據意圖，進行語料擴充套件）
• 接下來就是用上面的個檔案，訓練出 Rasa NLU 的模型。
• 最後，這就到最後了，使用Rasa NLU 的模型就可以開啟服務。
• 哦，這才是最後，現在就可以測試問題具體的識別準確率了，以及引數的提取準確度。

看完自己寫的工作原理，發現真的很簡練，哈哈，根本不能上手使用。總要寫的完全一些，深入一些的。

Rasa NLU 專案使用方法

github 上面搜尋 Rasa_NLU，具體安裝方式參見專案介紹。建議將整個專案原始碼拉下來，在專案的根目錄執行

python setup.py install

進行安裝。Rasa Nlu 同理。可以先根據專案裡自帶的example進行訓練執行。具體執行方式見專案及Demo中的Makefile。

Rasa NLU 深入瞭解

NLU 的難點主要在語料的準備， 接下來就自己瞭解到的經驗進行一一記錄。

• 每個意圖要有關鍵字，意圖中的每句都要有關鍵字。
• 每個關鍵字要擴充20左右的語句。
• 所有語句之間要夠發散、離散（即除關鍵字外儘量不用重複的詞語）。
• 除關鍵字之外，所有的詞字，在每個意圖中重複率要低、要低，最好不重複。
• 整個檔案中，除關鍵字之外，所有的詞字，重複率要低、要低，最好不重複。
• 上面兩條造成的現象就是,你我他啊是的嗎之類的詞都要去掉（語義可以稍微不通順，可接受）。
• 句式相同，引數不同的意圖進行合併，通過後期校驗引數進行分辨。

意圖識別的準確度跟兩方面有關

• 關鍵字在當前意圖中出現的頻率
• 關鍵字在整個檔案中出現的頻率

有什麼錯誤歡迎指出，其他的具體問題也可以在評論中留言。