（十三）RASA 訓(xùn)練數(shù)據(jù)

假如一個(gè)機(jī)器人可以和人對(duì)話，機(jī)器人說什么是最簡(jiǎn)單的，頂多人工編寫幾種回答模板即可（NLG除外）。但是要讓機(jī)器人理解人的意圖，卻是非常困難，因?yàn)槿说恼Z言有各種各樣，多義詞，雙關(guān)，長句短句等，因此需要些特別多的數(shù)據(jù)，也就是模擬人的問法，這部分內(nèi)容在Rasa里面稱為訓(xùn)練數(shù)據(jù)。放在nlu中。從用戶問，關(guān)聯(lián)到機(jī)器人答的這個(gè)流程控制，rasa中有stories和rules兩個(gè)配置來完成。

Rasa使用YAML作為一種統(tǒng)一和可擴(kuò)展的方式來管理所有的訓(xùn)練數(shù)據(jù)，包括NLU數(shù)據(jù)、故事和規(guī)則。可以將訓(xùn)練數(shù)據(jù)拆分為任意數(shù)量的YAML文件，每個(gè)文件可以包含NLU數(shù)據(jù)、故事和規(guī)則的任意組合。訓(xùn)練數(shù)據(jù)解析器使用最上層的key確定訓(xùn)練數(shù)據(jù)類型。

High-level結(jié)構(gòu)

每個(gè)文件可以包含一個(gè)或多個(gè)key以及相應(yīng)的訓(xùn)練數(shù)據(jù)。一個(gè)文件可以包含多個(gè)key，但每個(gè)key在一個(gè)文件中只能出現(xiàn)一次。可用key包括：

• 版本

• nlu

• 故事

• 規(guī)則

您應(yīng)該在所有YAML培訓(xùn)數(shù)據(jù)文件中指定版本key。如果未在培訓(xùn)數(shù)據(jù)文件中指定版本key，Rasa將假定您使用的是已安裝的Rasa開源版本支持的最新培訓(xùn)數(shù)據(jù)格式規(guī)范。將跳過Rasa開放源代碼版本高于您在計(jì)算機(jī)上安裝的版本的培訓(xùn)數(shù)據(jù)文件。目前，rasa2.x的最新培訓(xùn)數(shù)據(jù)格式規(guī)范是2.0。

下面是一個(gè)范例

version: "2.0"

nlu:
- intent: greet
  examples: |
    - Hey
    - Hi
    - hey there [Sara](name)

- intent: faq/language
  examples: |
    - What language do you speak?
    - Do you only handle english?

stories:
- story: greet and faq
  steps:
  - intent: greet
  - action: utter_greet
  - intent: faq
  - action: utter_faq

rules:
- rule: Greet user
  steps:
  - intent: greet
  - action: utter_greet

要指定測(cè)試故事，需要將它們放入一個(gè)單獨(dú)的文件中，并使用前綴test_：

tests/test_stories.yml
stories:
- story: greet and ask language
- steps:
  - user: |
      hey
    intent: greet
  - action: utter_greet
  - user: |
      what language do you speak
    intent: faq/language
  - action: utter_faq

NLU訓(xùn)練數(shù)據(jù)格式

NLU訓(xùn)練數(shù)據(jù)由按意圖分類的示例用戶對(duì)話組成。培訓(xùn)示例還可以包括實(shí)體。您還可以向訓(xùn)練數(shù)據(jù)中添加額外的信息，如正則表達(dá)式和查找表，以幫助模型正確識(shí)別意圖和實(shí)體。NLU訓(xùn)練數(shù)據(jù)在NLU鍵下定義?？梢栽诖隧?xiàng)下添加的項(xiàng)包括：

1. 按用戶意圖分組的培訓(xùn)示例

例如可選地使用帶注釋的實(shí)體

nlu:
- intent: check_balance
  examples: |
    - What's my [credit](account) balance?
    - What's the balance on my [credit card account]{"entity":"account","value":"credit"}

實(shí)體格式是這樣的

[<entity-text>]{"entity": "<entity name>", "role": "<role name>",
 "group": "<group name>", "value": "<entity synonym>"}

關(guān)鍵字role、group和value在此表示法中是可選的。role和group字段是為實(shí)體增加屬性，用于區(qū)分同類實(shí)體，例如出發(fā)地和目的地2個(gè)地名等。值字段引用同義詞。

role和group可以影響對(duì)話流程，例如，如果用戶剛從倫敦來，你可能想問一下倫敦之行怎么樣。但是如果用戶在去馬德里的路上，您可能會(huì)希望用戶在這里過得愉快。您可以通過以下兩個(gè)故事來實(shí)現(xiàn)：

stories:
- story: The user just arrived from another city.
  steps:
    - intent: greet
    - action: utter_greet
    - intent: inform_location
      entities:
        - city: London
          role: from
    - action: utter_ask_about_trip

- story: The user is going to another city.
  steps:
    - intent: greet
    - action: utter_greet
    - intent: inform_location
      entities:
        - city: Madrid
          role: to
    - action: utter_wish_pleasant_stay

2、同義詞

同義詞將提取的實(shí)體映射到提取的文本之外的值。當(dāng)用戶有多種方式引用同一事物時(shí)，可以使用同義詞?？紤]提取實(shí)體的最終目標(biāo)，并從中找出哪些值應(yīng)該被視為等價(jià)的。假設(shè)您有一個(gè)實(shí)體帳戶，您使用它來查找用戶的余額。其中一種可能的賬戶類型是“信用”。您的用戶還將他們的“信用”帳戶稱為“信用帳戶”和“信用卡帳戶”。在這種情況下，您可以將“信用卡賬戶”和“信用賬戶”定義為“信用”的同義詞。

nlu:
- synonym: credit
  examples: |
    - credit card account
    - credit account

3、正則表達(dá)式

當(dāng)使用regexfeatureizer時(shí)，regex不作為意向分類的規(guī)則。它只為意圖分類器提供一個(gè)Feature，目前，所有意向分類器都使用可以用regex提供的feature。

account_number是一個(gè)可讀的描述。它可以幫助您記住regex的用途，它不必匹配任何意圖或?qū)嶓w名稱。

nlu:
- regex: account_number
  examples: |
    - \d{10,12}

當(dāng)使用RegexEntityExtractor時(shí)，正則表達(dá)式的名稱應(yīng)與要提取的實(shí)體的名稱匹配。例如，您可以通過在培訓(xùn)數(shù)據(jù)中包含此正則表達(dá)式和至少兩個(gè)帶注釋的示例來提取10-12位數(shù)的帳號(hào)：

 nlu:
- regex: account_number
  examples: |
    - \d{10,12}
- intent: inform
  examples: |
    - my account number is [1234567891](account_number)
    - This is my account number [1234567891](account_number)

每當(dāng)用戶消息包含10-12位數(shù)字的序列時(shí)，它將被提取為帳號(hào)實(shí)體。RegexEntityExtractor不需要訓(xùn)練示例來學(xué)習(xí)如何提取實(shí)體，但是至少需要兩個(gè)實(shí)體的注釋示例，這樣NLU模型就可以在訓(xùn)練時(shí)將其注冊(cè)為實(shí)體。

4、查找表

查找表用于生成不區(qū)分大小寫的正則表達(dá)式列表。它們可以與使用正則表達(dá)式的方式相同，與管道中的regexfeatureizer和RegexEntityExtractor組件結(jié)合使用。可以使用查找表來幫助提取具有已知可能值集的實(shí)體。保持你的查找表盡可能具體。例如，要提取國家名稱，可以添加世界上所有國家的查找表。

nlu:
- lookup: banks
  examples: |
    - JPMC
    - Comerica
    - Bank of America