C# 如何在ML.NET（用于聊天机器人）中将特征化文本转换回实际文本？

我正在尝试使用ML.NET创建一个常见问题解答机器人程序（无法使用QNA Maker）。我想将FAQ知识库中的问题与输入进行比较，然后返回最相关的答案。我在网上发现的大多数FAQ机器人都是这样工作的：对FAQ问题进行特征化，对输入进行特征化，进行余弦相似性分析，然后返回最相关的答案。我不太理解微软的功能化，但我甚至不能测试它，因为我找不到如何将特征向量与原始文本关联起来

这是我到目前为止（主要）的情况：

---

它返回特征向量，但几乎所有的值都是零，所以希望这是正常的，但我不知道如何将其转化为可读的输出。此外，我不明白为什么我不能只对FAQ文本进行特征化和建模，为什么我需要一个示例问题，我觉得这样做效率低下，可能我做得不对。谢谢你的帮助

如果您还想保留原始文本，请在

textfeaturizengestimator.Options

中设置

outputokenscolumnname

参数

更多信息，请参阅

 var options = new TextFeaturizingEstimator.Options()
            {
                // Also output tokenized words
                OutputTokensColumnName = "OutputTokens"                    
            };
            var textPipeline = mlContext.Transforms.Text.FeaturizeText("Features", options, "Text");

---

我不认为ML.NET真的能做我想要的，事实证明，仅仅修改我想要的就足够了

---

基本上，他们不能只对一部分文本进行特征化处理，但文本必须根据上下文进行特征化处理，以便进行培训。

您使用的是哪种学习者

mlContext.Transforms.Text.featureizeText

听起来像是管道转换，而不是培训师。我知道的示例培训师

Context.Clustering.trainers.KMeans

，

Context.Regression.trainers.FastTree

，

Context.Regression.trainers.Sdca

。他们所有的名称空间都指定了

Trainers

@frank我想我不需要一个培训师，我的计划只是对常见问题进行特征化，对输入进行特征化，进行余弦相似性分析，然后返回最相关的答案

public class SampleData
{
        [LoadColumn(0)]
        public string Question { get; set; }

        [LoadColumn(1)]
        public string Answer { get; set; }
}

public class TransformedTextData : SampleData
{
        public float[] Features { get; set; }
}

 var options = new TextFeaturizingEstimator.Options()
            {
                // Also output tokenized words
                OutputTokensColumnName = "OutputTokens"                    
            };
            var textPipeline = mlContext.Transforms.Text.FeaturizeText("Features", options, "Text");