Nlp 用于解析意图和实体（如Alexa Custom Skills）的文本的开源库

有没有像Amazon Alexa Custom Skills那样工作的开源库，其中您为它提供了一个要匹配的意图模式和示例语句，并且它将提供一个解析的标记化响应，其中包含在定义中匹配的实体

这里有一个例子

训练和指定如何匹配文本和映射到实体的示例语句：

AnswerIntent the answer is {Answer} 
AnswerIntent my answer is {Answer} 
AnswerIntent is it {Answer} 
AnswerIntent {Answer} is my answer AnswerOnlyIntent {Answer}

AMAZON.StartOverIntent start game 
AMAZON.StartOverIntent new game 
AMAZON.StartOverIntent start 
AMAZON.StartOverIntent start new game

---

另一个服务是，它允许您配置表达式和令牌以匹配，是否有任何开源库提供这种级别的灵活性

有很多OSS解析库。事实上，大多数语言都比Alexa的语言模式有更多的灵活性，Alexa的语言模式只是正则表达式

您可以选择专门针对NLP的库，如GATE、Stanford Core NLP、OpenNLP和NLTK。如果您使用的是大型文档集合，那么ApacheLucene（或者Solr，如果您愿意的话）是非常棒的（尽管GATE也支持它们）

---

对于重量较轻的东西，可以使用通用解析器生成器。要列出的项目太多了（），但像Antlr这样的packrat解析器（）性能优异且易于使用。

Mycroft AI似乎有一堆很好的项目，它们提供的功能和程序员界面与Amazon Alexa定制技能非常相似，您可以自己托管和修改它，以获得比Alexa语音服务更大的灵活性（但这也有一点不利，因为你必须自己扩展它）

• • -是一种将自然语言处理、文本到语音、语音到文本和强大的API结合在一起的技术，可创造强大的体验，使用户可以通过语音控制操作智能设备和物联网
  • 开放STT-开源语音到文本模型（似乎他们现在正在利用其他API实现这一点，如Google语音到文本、Wit.ai和IBM Watson）
  • -将自然语言转换为机器可读的数据结构
  • 模拟文本到语音-文本并以高质量的声音大声朗读（目前只是一个提案项目，尚未提供）

---

如果我没说错，你想提供一个模式来匹配可能的值，库必须生成可能的话语列表。如果是这样，除了其他功能外，还有一个项目可以让你这样做。它在麻省理工学院（MIT）之下，因此可以从那里借用所需的代码。 例如：

可能的话语：

my name is John and I am 20 years old
my name's John and I'm 40
my name's Taylor and I'm 55 years old
....

---

也许，你可以尝试Rasa nlu。它与路易斯女士非常相似。你可以将文本解析为结构化数据，如

{
"entities": [
    {
        "endIndex": null,
        "entity": "hello",
        "score": null,
        "startIndex": null,
        "type": "name"
    }
],
"intents": [
    {
        "intent": "greet",
        "score": 0.640747175086514
    },
    {
        "intent": "goodbye",
        "score": 0.2696910959582717
    },
    {
        "intent": "FindEmployeeLocation",
        "score": 0.05672220244026073
    },
    {
        "intent": "FindEmployee",
        "score": 0.032839526514953594
    }
],
"query": "hello",
"topScoringIntent": {
    "intent": "greet",
    "score": 0.640747175086514
}

您也可以使用json或markdown格式来训练您的语言模型。最重要的是，该服务是开源的。这意味着您不必为使用它支付额外的费用。您只需设置自己的nlu服务器，然后使用它。

看看-我不知道它有多强大。

{
"entities": [
    {
        "endIndex": null,
        "entity": "hello",
        "score": null,
        "startIndex": null,
        "type": "name"
    }
],
"intents": [
    {
        "intent": "greet",
        "score": 0.640747175086514
    },
    {
        "intent": "goodbye",
        "score": 0.2696910959582717
    },
    {
        "intent": "FindEmployeeLocation",
        "score": 0.05672220244026073
    },
    {
        "intent": "FindEmployee",
        "score": 0.032839526514953594
    }
],
"query": "hello",
"topScoringIntent": {
    "intent": "greet",
    "score": 0.640747175086514
}