Rozpoznawanie encji przy małej ilości danych

Większość systemów do wyodrębniania encji z tekstu jest zaprojektowana do rozpoznawania „uniwersalnych" elementów, takich jak imiona, daty i miejsca. Prawdopodobnie nie masz jednak wystarczającej ilości danych treningowych, żeby takie systemy działały dobrze w twoim bocie!

W tym ćwiczeniu aktywujesz rozpoznawanie encji MITIE w Rasie, aby wyodrębniać encje związane z restauracjami – używając bardzo niewielkiej ilości danych treningowych. Słownik args oraz obiekt training_data zostały już dla ciebie zdefiniowane.

Utwórz config, wywołując RasaNLUConfig() z jednym argumentem cmdline_args o wartości {"pipeline": pipeline}.
Utwórz trainer i użyj go do utworzenia interpreter, tak jak w poprzednim ćwiczeniu.

ćwiczenie

Rozpoznawanie encji przy małej ilości danych

Instrukcje

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie