2017网站趋势,做ic芯片的要去哪个网站,建设国家游戏网站,邓州微网站开发本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子#xff0c;主要详解介绍train_nlu()函数中变量的具体值。
一.rasa/model_training.py/train_nlu()函数 train_nlu()函数实现#xff0c;如下所示#xff1a;
def train_nlu(config: Text,nlu_data: Op… 本文使用《使用ResponseSelector实现校园招聘FAQ机器人》中的例子主要详解介绍train_nlu()函数中变量的具体值。
一.rasa/model_training.py/train_nlu()函数 train_nlu()函数实现如下所示
def train_nlu(config: Text,nlu_data: Optional[Text],output: Text,fixed_model_name: Optional[Text] None,persist_nlu_training_data: bool False,additional_arguments: Optional[Dict] None,domain: Optional[Union[Domain, Text]] None,model_to_finetune: Optional[Text] None,finetuning_epoch_fraction: float 1.0,
) - Optional[Text]:Trains an NLU model. # 训练一个NLU模型。Args:config: Path to the config file for NLU. # NLU的配置文件路径。nlu_data: Path to the NLU training data. # NLU训练数据的路径。output: Output path. # 输出路径。fixed_model_name: Name of the model to be stored. # 要存储的模型的名称。persist_nlu_training_data: True if the NLU training data should be persisted with the model. # 如果NLU训练数据应该与模型一起持久化则为True。additional_arguments: Additional training parameters which will be passed to the train method of each component. # 将传递给每个组件的train方法的其他训练参数。domain: Path to the optional domain file/Domain object. # 可选domain文件/domain对象的路径。model_to_finetune: Optional path to a model which should be finetuned or a directory in case the latest trained model should be used. # 可选路径指向应该进行微调的模型或者在应该使用最新训练的模型的情况下指向一个目录。finetuning_epoch_fraction: The fraction currently specified training epochs in the model configuration which should be used for finetuning. # 模型配置中当前指定的训练时期的fraction应该用于微调。Returns:Path to the model archive. # 模型归档的路径。if not nlu_data: # 没有NLU数据rasa.shared.utils.cli.print_error( # 打印错误No NLU data given. Please provide NLU data in order to train # 没有给出NLU数据。请提供NLU数据以训练a Rasa NLU model using the --nlu argument. # 使用--nlu参数训练Rasa NLU模型)return None# 只训练NLU因此仍然必须选择训练文件file_importer TrainingDataImporter.load_nlu_importer_from_config(config, domain, training_data_paths[nlu_data], argsadditional_arguments)training_data file_importer.get_nlu_data() # 获取NLU数据if training_data.contains_no_pure_nlu_data(): # 如果没有纯NLU数据rasa.shared.utils.cli.print_error( # 打印错误fPath {nlu_data} doesnt contain valid NLU data in it. # 路径{nlu_data}中不包含有效的NLU数据fPlease verify the data format. # 请验证数据格式fThe NLU model training will be skipped now. # 现在将跳过NLU模型训练)return Nonereturn _train_graph( # 训练图file_importer, # 文件导入器training_typeTrainingType.NLU, # 训练类型output_pathoutput, # 输出路径model_to_finetunemodel_to_finetune, # 模型微调fixed_model_namefixed_model_name, # 固定模型名称finetuning_epoch_fractionfinetuning_epoch_fraction, # 微调时期fractionpersist_nlu_training_datapersist_nlu_training_data, # 持久化NLU训练数据**(additional_arguments or {}), # 额外的参数).model # 模型1.传递来的形参数据 形参config“config.yml”nlu_data“data”output“models”persist_nlu_training_dataFalse其它的都是None如下所示
2.train_nlu()函数组成 该函数主要由3个方法组成如下所示
file_importer TrainingDataImporter.load_nlu_importer_from_config(*) #file_importer数据类型为NluDataImportertraining_data file_importer.get_nlu_data() #根据nlu数据创建一个TrainingData类对象return _train_graph(*) #训练config.yml文件中pipline对应的图 二.training_data数据类型 training_data数据类型为rasa.shared.nlu.training_data.training_data.TrainingData如下所示 1.MIN_EXAMPLES_PER_ENTITY2 每个实体的最小样本数量。
2.MIN_EXAMPLES_PER_INTENT2 每个意图的最小样本数量。
3.action_namesset() action名字集合。
4.entitiesset() entity集合。
5.entity_examples[] entity例子集合。
6.entity_groupsset() entity组的集合。
7.entity_rolesset() entity角色集合。
8.entity_synonymsset() entity近义词集合。
9.intent_examples[25*Message] intent例子列表列表中数据为rasa.shared.nlu.training_data.message.Message数据结构。对于普通意图Message数据结构如下所示 对于检索意图Message数据结构如下所示
10.intents 具体数值为set(‘faq’, ‘goodbye’, ‘greet’)。
11.lookup_tables[] 查找表。
12.nlu_examples[25*Message] 内容和intent_examples相同不再介绍。
13.number_of_examples_per_entity 每个entity例子的数量。
14.number_of_examples_per_intent 每个intent例子的数量即{‘faq’: 14, ‘goodbye’: 5, ‘greet’: 6}。
15.number_of_examples_per_response 每个response例子的数量如下所示
{faq/notes: 1, faq/work_location: 1, faq/max_job_request: 1, faq/audit: 1, faq/write_exam_participate: 1, faq/write_exam_location: 1, faq/write_exam_again: 1, faq/write_exam_with-out-offer: 1, faq/interview_arrangement: 1, faq/interview_times: 1, faq/interview_from: 1, faq/interview_clothing: 1, faq/interview_paperwork: 1, faq/interview_result: 1} 16.regex_features[] 正则特征。
17.response_examples[14*Message] response例子如下所示
18.responses response例子如下所示
19.retrieval_intentsset(‘faq’) 检索意图。
20.training_examples[25*Message] 内容和intent_examples相同不再介绍。
参考文献 [1]https://github.com/RasaHQ/rasa [2]rasa 3.2.10 NLU模块的训练https://zhuanlan.zhihu.com/p/574935615
