Transformer课程 业务对话机器人Rasa 3.x NLU Training Data_rasa nlu training

Transformer课程 业务对话机器人Rasa 3.x NLU Training Data

NLU Training Data

NLU训练数据存储有关用户消息的结构化信息。

自然语言理解（NLU）的目标是从用户消息中提取结构化信息。这通常包括用户的意图及其消息包含的任何实体。您可以向训练数据中添加额外的信息，如正则表达式和查找表，以帮助模型正确识别意图和实体。

Training Examples

NLU训练数据由按意图分类的示例用户话语组成。为了更方便地使用您的意图，请为它们指定与用户想要实现的意图相关的名称，并保持小写，避免使用空格和特殊字符。
注意：/ 符号保留为分隔符，用于将检索意图与响应文本标识符分开。确保不要以你的意图的名义使用它。

Entities

实体是用户消息中的结构化信息片段。要使实体提取工作正常，您需要指定训练数据来训练ML模型，或者需要定义正则表达式来使用基于字符模式的RegexEntityExtractor提取实体。

在决定需要提取哪些实体时，请考虑助手需要哪些信息来实现其用户目标。用户可能会提供任何用户目标都不需要的其他信息；您不需要将它们提取为实体。

有关如何在训练数据中注释实体的详细信息，请参见训练数据格式。

Synonyms

同义词#

同义词将提取的实体映射到提取的文本以外的值。当用户以多种方式引用同一事物时，可以使用同义词。考虑提取实体的最终目标，并从中找出哪些值应被视为等效值。

假设您有一个实体 account 帐户，用于查找用户的余额