Neural network Rasa NLU实体提取使用什么模型？它是LSTM还是仅仅是一个简单的神经网络？
RASA NLU使用什么样的模型来提取单词嵌入后的实体和意图？这从RASA中澄清了一些方面 使用Rasa，您将首先训练一个向量器，该向量器将每个文档转换为N维向量，其中N是词汇表的大小。这正是scikit learn所做的 相反，每个意图嵌入都被构建为一个热向量或一个多1的向量（如果您有混合意图）。这些向量中的每一个都具有文档嵌入的相同维度，因此我猜N实际上可能是词汇表大小+意图数量 此时，Rasa将训练一个神经网络默认值：2个隐藏层，其中损失函数设计为最大化文档d和意图i之间的相似性（如果d在训练集中标记为i），并最小化d与所有其他意图嵌入的相似性。默认情况下，相似度计算为余弦相似度 每个新的、看不见的文档都由神经网络嵌入，并为每个意图计算其相似性。与新文档最相似的意图将作为预测标签返回 旧答案： 这不是LSTM。他们说，他们的做法受到了Facebook的启发 然而，我并不觉得上面的文章很有启发性 据称，星际空间的Github回购协议 使其设置与以前的工作标记空间相同 这一点更加清楚，并解释了他们如何使用CNN 将每个文档嵌入到一个空间中，使其与 关联类向量最小化。文字、文件和 类标记嵌入在相同的d维空间中，并且 通过余弦相似性或内积测量它们的距离Neural network Rasa NLU实体提取使用什么模型？它是LSTM还是仅仅是一个简单的神经网络？,neural-network,nlp,rasa-nlu,named-entity-extraction,Neural Network,Nlp,Rasa Nlu,Named Entity Extraction,RASA NLU使用什么样的模型来提取单词嵌入后的实体和意图？这从RASA中澄清了一些方面 使用Rasa，您将首先训练一个向量器，该向量器将每个文档转换为N维向量，其中N是词汇表的大小。这正是scikit learn所做的 相反，每个意图嵌入都被构建为一个热向量或一个多1的向量（如果您有混合意图）。这些向量中的每一个都具有文档嵌入的相同维度，因此我猜N实际上可能是词汇表大小+意图数量 此时，Rasa将训练一个神经网络默认值：2个隐藏层，其中损失函数设计为最大化文档d和意图i之间的相似性（如果d在