Nlp Rasa NLU：如何使用具有相同值的多个分类槽？

我刚开始使用Rasa NLU，在理解具有相同值的分类槽的用法时遇到了一些问题。我有3种不同类型的风险，每种风险都有一个分类区间，每个区间都有值：

低

、

中

和

高

鉴于这三种风险的目的是相同的，机器人如何区分这三种风险，并了解要填补的插槽。 或者我需要为每一个使用不同的意图吗

现在我看到的是（我删除了不相关的日志）：

所有用户回复都具有通知的意图。 一个例子是：

* _greet[]
 - utter_ask_fatigue
* _inform[fatigue=low]
 - utter_ask_injury
* _inform[injury=medium]
 - utter_ask_stress
* _inform[stress=low]
 - utter_on_it
 - action_reply

---

您可以使用一个实体和四个插槽来完成此操作

实体可定义为“信息”类型，具有文本值（即低、中、高）

四个槽：第一个槽为“info”，由前面定义的已识别实体“info”自动填充。另外三个是“疲劳”、“压力”和“伤害”，可以通过bot动作来填补，如动作-填充-疲劳、动作-填充-压力和动作-填充-伤害

通过一个示例故事可以清楚地说明：

*_问候[]
-极度疲劳
*_通知[信息=低]
-行动_填充_疲劳
-彻底的伤害
*_通知[信息=中等]
-行动_填充_伤害
-绝对的压力
*_通知[信息=低]
-动作填充应力
-说出来吧
-行动与答复

---

你得到了答案吗？我也面临同样的问题，不幸的是我没有。我不得不对每个案例使用不同的意图。嗨，你能把你的域名放进去吗？我认为你需要放3个不同的位置，因为你有疲劳、压力和受伤，我只在你的前两个问题上看到“疲劳”这个实体。每个实体可以是3个建议值中的1个。对不起，我没有确切的项目文件了。但疲劳、压力和损伤都被定义为一个分类槽：疲劳：类型：分类值：-低-中-高

* _greet[]
 - utter_ask_fatigue
* _inform[fatigue=low]
 - utter_ask_injury
* _inform[injury=medium]
 - utter_ask_stress
* _inform[stress=low]
 - utter_on_it
 - action_reply