Rasa 实体提取

Rasa 是一种机器学习框架，可以用来构建和部署聊天机器人。其中一个关键的组件就是实体提取，它可以从用户输入中提取重要信息，以便机器人能够理解用户意图并正确响应。

在本文中，我将介绍如何使用 Rasa 进行实体提取。

安装依赖

首先，你需要安装 Rasa：

pip install rasa

定义实体

在 Rasa 中，实体就是你希望从用户输入中提取的信息。例如，如果你正在构建一个订餐机器人，你可能需要提取“食物类型”、“餐厅名称”和“送餐地址”等信息。为了使用 Rasa 进行实体提取，你需要定义这些实体。

在 Rasa 中，你可以使用训练数据的格式来定义实体。例如，假设你有以下的训练数据：

## intent: order_food
- I want to order a pizza from [Pizza Hut](restaurant) and have it delivered to [123 Main St.](address).

在这个例子中，“餐厅名称”和“送餐地址”都被放在方括号中，表示它们是实体。要在 Rasa 中定义实体，只需在 domain.yml 文件中添加以下条目：

entities:
  - restaurant
  - address

这告诉 Rasa 你希望提取的实体类型。

提取实体

一旦你定义了实体类型，你就可以开始在用户输入中提取实体了。要在 Rasa 中提取实体，你需要定义一个 nlu.md 文件，其中包含一个正则表达式，该表达式捕获你定义的实体类型。例如，假设你有以下的 nlu.md 文件：

## intent: order_food
- I want to order a pizza from [Pizza Hut](restaurant) and have it delivered to [123 Main St.](address).

要在 Rasa 中提取实体，你需要定义一个实体提取器，并将其添加到 Rasa 的管道中。在 config.yml 文件中添加以下内容来定义一个 CRF 实体提取器：

pipeline:
  - name: "WhitespaceTokenizer"
  - name: "CRFEntityExtractor"
  - name: "EntitySynonymMapper"

在此示例中，我们使用了 WhitespaceTokenizer 对用户输入进行分词，然后使用 CRF 实体提取器对实体进行提取。最后，我们使用 EntitySynonymMapper 将同义词映射到实体上。

结论

这是使用 Rasa 进行实体提取的基本步骤。通过定义实体类型和实体提取器，你可以轻松地从用户输入中提取实体，并将其用于机器人执行操作。