1、大部分教程中没有提及安装TensorFlow，需要在配置完环境后自己安装 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow==1.15.0（当前rasa版本1.6.0依赖的是1.15.0） 2、官网的mitie安装注意一下 $ pip install rasa[mitie]，用完这

NLP和NLU是两个概念，前者是自然语言处理，后者是自然语言理解，很多时候大家都会放在一起说：自然语言处理与理解，也有人会把自然语言处理和理解用NLP来统称，事实上这是两个概念，只是因为NLP的知名度和认知度比NLU更大，NLU很少被人提及。 在功能逻辑上，NLP是NLU的上一步，人和机器人通过文字、语音、图形、手势等自然沟通语言进行交互时，机器的大脑会首先对信息作出处理，然后再进行理解和反馈，

Rasa课程、Rasa培训、Rasa面试系列之： Rasa 3.x NLU意图和实体-预测行动 使用NLU管道，我们可以检测意图和实体亦，但是这个管道不能预测对话中的下一个动作。这就是策略管道的目的，策略利用NLU的预测以及到目前为止的对话状态来预测下一步要采取什么行动。 如果你对这些策略是如何产生行动感兴趣的，请欣赏Rasa的博客文章 https://rasa.com/blog/

转自：https://github.com/fighting41love/hardNLU NLU is hard!!!!!! 一直关注刘群老师的微博，常常看见他分享的一些好玩的#自然语言理解太难了#。 遂整理了NLU实在是太难了系列语句，大家一笑无妨。这里列举了一些关于分词、实体识别、知识图谱相关的语句，按照难度从低到高排列，最高难度的放在了最后（需要强大的知识图谱哦，欢迎大家把答案开在

Rasa课程、Rasa培训、Rasa面试系列之： Rasa NLU意图分类和实体抽取 意图分类 我们为所有标记和整个句子生成了特征，就可以将其传递给意图分类模型。建议使用Rasa的DIET模型，DIET可以处理意图分类和实体提取，还可以从标记和句子特征中学习。 我们应该意识到DIET算法的特殊性，Rasa过去托管的大多数算法要么进行实体抽取，要么进行意图分类，但它们并没有同时做到

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_graph()函数中变量的具体值。 一.rasa/model_training.py/_train_graph()函数   _train_graph()函数实现，如下所示： def _train_graph(file_importer: TrainingDataImporter,tr

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