我很难理解 rasa nlu 中的训练数据。假设我想要训练数据，其中有人通知某人他们可以购买的动物。为了清楚起见，我将使用降价格式：
假设用户正在回答一个问题：
"你想买什么样的动物？">
只有这么多不同的方式来表达你想买东西。 所以以下面的例子为例：
##intent:inform
- [cat](animal)
- buy [cat](animal)
- I would like to buy a [cat](animal)
我需要对我打算处理的每种动物重复此操作吗？像下面一样？
##intent:inform
- [cat](animal)
- [dog](animal)
- [parrot](animal)
- buy [cat](animal)
- buy [dog](animal)
- buy [parrot](animal)
- I would like to buy a [cat](animal)
- I would like to buy a [dog](animal)
- I would like to buy a [parrot](animal)
另外，我注意到在 rasa 的餐厅机器人中，他们有时会一遍又一遍地重复同一个示例，有时多达七次，如下所示：
##intent:inform
- [cat](animal)
- [cat](animal)
- [cat](animal)
- [cat](animal)
- [cat](animal)
- buy [cat](animal)
- I would like to buy a [cat](animal)
为什么有必要这样做？这对理解有什么影响？在同一位置出现更多相同的单个单词如何表明这是一个适当的响应，特别是如果你有类似下面的东西，其中同一实体的不同值重复相同的次数？
##intent:inform
- [cat](animal)
- [cat](animal)
- [cat](animal)
- [cat](animal)
- [cat](animal)
- buy [cat](animal)
- I would like to buy a [cat](animal)
- [dog](animal)
- [dog](animal)
- [dog](animal)
- [dog](animal)
- [dog](animal)
- buy [dog](animal)
- I would like to buy a [dog](animal)
谢谢，任何建议不胜感激。
买东西的方式只有这么多。
您可能会感到惊讶：
- 我可以买狗吗？
- 我想买一只狗。
- 我真的很想要一只狗。
- 如果我养了一只狗，我会喜欢的。
- 我正在寻找一只宠物，也许是一只狗。
- 购买狗
- 领养狗
- 养一只狗
- 带一只狗回家
我相信这个清单还在继续，还有更多的例子。话虽如此，Rasa NLU应该能够学习和适应一些例子。例如，除了一些例外adopt可能与buy没有很强的关系，并且作为示例可能很重要。
我需要对我打算处理的每种动物重复此操作吗？像下面一样？
不，那不是必需的。每个动物值都是一个实体，Rasa 默认使用 CRF 进行实体识别，这就是您在这里谈论的内容。CRF更多的是关于句子的结构，而不是单词的价值。您可以在文档和代码中看到 CRF 查看的功能：
# Available features are:
# ``low``, ``title``, ``suffix5``, ``suffix3``, ``suffix2``,
# ``suffix1``, ``pos``, ``pos2``, ``prefix5``, ``prefix2``,
# ``bias``, ``upper`` and ``digit``
features: [["low", "title"], ["bias", "suffix3"], ["upper", "pos", "pos2"]]
话虽如此，对实体使用不同的值可能是获取额外训练数据的好方法。您可以使用像chatito这样的工具从模式生成训练数据。但要小心重复模式，因为您可能会过度拟合模型，使其无法泛化超出您训练的模式。
他们有时会一遍又一遍地重复同一个例子
你在Rasa数据集中看到了这一点吗？这是默认的餐厅机器人训练数据，我没有看到任何重复。
一遍又一遍地重复一个句子会强化格式/单词很重要的模型，这是一种过度采样的形式。如果您的训练数据很少或训练数据高度不平衡，这可能是一件好事。如果您想处理许多不同的购买宠物的方式，这可能是一件坏事，因为它可能会过度拟合我上面提到的模型。
我需要对我打算的每种动物重复此操作吗 处理？像下面一样？
不，您不需要指定每种类型的动物。但是尝试为每个意图添加几种类型的动物。例如，您的训练样本包含以下内容：
- [cat](animal)
- [dog](animal)
- [parrot](animal)
- buy [cat](animal)
- I would like to buy a [parrot](animal)
当你有一些上下文时，例如：I would like to buy a [animal]没有必要定义每种类型的动物。相似度算法根据其他关键字查找项目。但是当上下文较少(单个单词(时，有必要定义不同类型的用户输入。
Rasa使用StarSpace分类器。建议为每个意图使用~10-25 个用户样本，以获得来自 ChatBot 的合理响应。
您还可以修改 Rasa 分类器以添加词向量功能(Word2vec 或手套(。在这种情况下，将向模型添加一些通用性。而类似的概念，比如狗猫，会更容易被检测到。