Rasa NLU 未能对意图进行分类答案

【问题标题】：Rasa NLU failing to classify intentRasa NLU 未能对意图进行分类
【发布时间】：2018-01-06 06:52:03
【问题描述】：

我在 docker 容器上运行 rasa-nlu。尝试在我的数据上对其进行训练，然后向 http 服务器执行请求，结果总是如下：

"intent": { "confidence": 1.0, "name": "None" }

我正在运行如下配置文件：

{
  "name": null,
  "pipeline": "mitie",
  "language": "en",
  "num_threads": 4,
  "max_training_processes": 1,
  "path": "./models",
  "response_log": "logs",
  "config": "config.json",
  "log_level": "INFO",
  "port": 5000,
  "data": "./data/test/demo-rasa.json",
  "emulate": null,
  "log_file": null,
  "mitie_file": "./data/total_word_feature_extractor.dat",
  "spacy_model_name": null,
  "server_model_dirs": null,
  "token": null,
  "cors_origins": [],
  "aws_endpoint_url": null,
  "max_number_of_ngrams": 7,
  "duckling_dimensions": null,
  "entity_crf_BILOU_flag": true,
  "entity_crf_features": [
    ["low", "title", "upper", "pos", "pos2"],
    ["bias", "low", "word3", "word2", "upper", "title", "digit", "pos", "pos2", "p
attern"],
    ["low", "title", "upper", "pos", "pos2"]]
}

这种行为的原因是什么？
models 文件夹包含经过训练的模型在另一个嵌套文件夹中，可以吗？

谢谢。

【问题讨论】：

标签： rasa-nlu

【解决方案1】：

我已经看到您的GitHub issue，感谢您在此处提供更多信息。您仍然对 Docker 容器的很多细节模棱两可。

我和其他一些人将pull request 合并到 Docker Hub 上的 rasa 存储库 here 中。现在有几种不同的版本可用，基本的使用说明可以在下面或主 repo README 中找到。

一般 Docker 使用说明

目前，请按照以下步骤操作：

docker run -p 5000:5000 rasa/rasa_nlu:latest-mitie

演示数据应该已经加载，可以使用以下命令进行解析：

curl 'http://localhost:5000/parse?q=hello'

尝试解决您的具体问题

至于您的具体安装及其失败的原因，我的猜测是您的训练数据要么不存在，要么是 rasa 不期望的名称。运行此命令以查看可用的模型：

curl 'http://locahost:5000/status'

你的回答应该是这样的：

{
  "trainings_queued" : 0,
  "training_workers" : 1,
  "available_models" : [
    "test_model"
  ]
}

如果您在available_models 下列出了一个模型，您可以使用以下命令将test_model 替换为您的模型名称来加载/解析它。

curl 'http://localhost:5000/parse?q=hello&model=test_model'

【讨论】：

【解决方案2】：

实际上，我发现使用 Mitie 总是失败，因此模型没有得到更新。不过感谢您提供的信息。

使用 Mitie-Sklearn 解决了这个问题。

谢谢。

【讨论】：

“MITIE 总是失败”对于 Rasa 来说不是这样，MITIE 工作得非常好，并且根据您的用例，它比其他管道工作得更好。如果您愿意，我很乐意帮助您让 mitie 正常工作，但需要有关您正在使用的图像的信息。
确定想帮忙处理一些即时消息，然后我们在这里发布解决方案？
我们为什么不重新打开 github 问题并在那里获取所有详细信息。

【解决方案3】：

在 Windows 上使用 MITIE Pipeline 存在一些问题 :( ，在 MITIE 上进行训练需要花费大量时间，而 spaCy 可以非常快速地训练模型。（2-3 分钟，具体取决于您的处理器和 RAM）。

我是这样解决的：

[注意：我使用的是 Python 3.6.3 x64 Anaconda 和 Windows 8.1 O.S]

按此顺序安装以下软件包：

Spacy 机器学习包：pip install -U spacy

Spacy 英语语言模型：python -m spacy 下载 en

Scikit 包：pip install -U scikit-learn

用于数学计算的 Numpy 包：pip install -U numpy

Scipy 包：pip install -U scipy

用于意图识别的 Sklearn 包：pip install -U sklearn-crfsuite

NER Duckling 使用 Spacy 实现更好的实体识别：pip install -U duckling

RASA NLU：pip install -U rasa_nlu==0.10.4

现在，在 RASA v0.10.4 中，他们使用与 WSGI 不兼容的 Twisted Asynchronous 服务器。 (More information on this here.)

现在制作如下配置文件：

{
    "project": "Travel",
    "pipeline": "spacy_sklearn",
    "language": "en",
    "num_threads": 1,
    "max_training_processes": 1,
    "path": "C:\\Users\\Kunal\\Desktop\\RASA\\models",
    "response_log": "C:\\Users\\Kunal\\Desktop\\RASA\\log",
    "config": "C:\\Users\\Kunal\\Desktop\\RASA\\config_spacy.json",
    "log_level": "INFO",
    "port": 5000,
    "data": "C:\\Users\\Kunal\\Desktop\\RASA\\data\\FlightBotFinal.json",
    "emulate": "luis",
    "spacy_model_name": "en",
    "token": null,
    "cors_origins": ["*"],
    "aws_endpoint_url": null
  }

现在运行服务器，如下模板：

http://localhost:5000/parse?q=&project=

您将收到类似这样的 JSON 响应，例如 BotFramework C# 的 LUISResult 类。

【讨论】：