在RASA-NLU训练数据中使用Spacy实体 [英] Use spaCy entities in Rasa-NLU training data

问题描述

我正在尝试使用Rasa创建一个简单的程序，该程序可以从文本输入中提取(法语)街道地址。

按照RASA-NLU文档(http://rasa-nlu.readthedocs.io/en/latest/entities.html)中的建议，我想使用Spacy进行地址检测。

我看到(https://spacy.io/usage/training)对应的Spacy预置实体将是LOC。

但是，我不知道如何使用此实体创建培训数据集。

以下是我当前JSON培训数据集的摘录：

{
    "text" : "je vis au 2 Rue des Platanes",
    "intent" : "donner_adresse",
    "entities" : [
        {
            "start" : 10,
            "end" : 28,
            "value" : 2 Rue des Platanes",
            "entity" : "adresse"
        }
    ]
}

如果我训练程序并使用文本输入"je vis au 2 Rue des Hetres"运行它，则会得到以下输出：

{
    "entities": [
        "end": 26,
        "entity": "adresse",
        "extractor": "ner_crf",
        "start": 10,
        "value": "2 rue des hetres"
    ],
    "intent": null,
    "intent_ranking": [],
    "text": "je vis au 2 Rue des Hetres"
}

考虑到我的训练数据集，这是很好的。但我想使用Spacy的LOC实体。

我如何才能做到这一点？(我做错了什么？)

如果需要，以下是我的配置文件的相关摘要：

{
    "pipeline" : "spacy_sklearn",
    "language" : "fr",
    "spacy_model_name" : "fr_core_news_md"
}

推荐答案

如果您想使用Spacy预训的NER，您只需要将其添加到您的管道中，例如

pipeline = ["nlp_spacy", "tokenizer_spacy", "ner_spacy"]

但根据您的需要，您可能只想复制其中一个preconfigured pipelines并在结尾处添加"ner_spacy"

这篇关于在RASA-NLU训练数据中使用Spacy实体的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！