Nlp 短语的变化
我目前正在Dialogflow中开发一个应用程序,它有一些类似聊天机器人的特性。我已经用一些类似的短语反复训练了意图。我希望Dialogflow中的ML算法能够捕捉到非常相似的句子变体,所以我从训练短语中省略了它们 我注意到在一些句子几乎相同的情况下,Dialogflow无法匹配它们,例如 “你有盗汗吗?” “你有盗汗吗?” 及 “早上好” “早上好,约翰” 对于第二个例子,我尝试了“早上好,先生”和“早上好,小姐”,这似乎符合正确的意图。然而,处理名称将是应用程序的一项要求,我不想经历每一个意图,并添加涉及名称实体的案例,除非这是绝对必要的Nlp 短语的变化,nlp,dialogflow-es,actions-on-google,google-assistant-sdk,Nlp,Dialogflow Es,Actions On Google,Google Assistant Sdk,我目前正在Dialogflow中开发一个应用程序,它有一些类似聊天机器人的特性。我已经用一些类似的短语反复训练了意图。我希望Dialogflow中的ML算法能够捕捉到非常相似的句子变体,所以我从训练短语中省略了它们 我注意到在一些句子几乎相同的情况下,Dialogflow无法匹配它们,例如 “你有盗汗吗?” “你有盗汗吗?” 及 “早上好” “早上好,约翰” 对于第二个例子,我尝试了“早上好,先生”和“早上好,小姐”,这似乎符合正确的意图。然而,处理名称将是应用程序的一项要求,我不想经历每一个意
是否有一些我做得不正确的事情可能会限制我的代理中的机器学习匹配?或者这仅仅是Dialogflow的一个限制,我必须在其中手动添加这些迭代?Dialogflow背后的底层算法是而不是开源的。因此,很难说什么是解决问题的最佳方法。但以下是一些您可以考虑的选项:
- 用不同的单词或短语(你们的第一个例子)来理解句子的意思是一个开放的研究领域。到目前为止,没有一种ML算法能够完全解决这个问题。您不能依靠
或其他聊天机器人为您捕获/理解释义句子Dialogflow
- 在第一个示例中,一些单词在大多数句子中非常常见[
,Do
,you
,get
]。在这种情况下,算法很难根据这些常用关键字找到正确的意图。尝试用[any
,night
]添加不同的句子,让算法有机会捕捉它们sweats
- :如文档中所述,您可以更改分类器的精度。在第二个示例中,“早上好”和“早上好,约翰”这可能会解决问题
- 还有另一种选择,即基于规则的方法和基于ML的方法。根据您的训练规模选择合适的
- 用不同的单词或短语(你们的第一个例子)来理解句子的意思是一个开放的研究领域。到目前为止,没有一种ML算法能够完全解决这个问题。您不能依靠
或其他聊天机器人为您捕获/理解释义句子Dialogflow
- 在第一个示例中,一些单词在大多数句子中非常常见[
,Do
,you
,get
]。在这种情况下,算法很难根据这些常用关键字找到正确的意图。尝试用[any
,night
]添加不同的句子,让算法有机会捕捉它们sweats
- :如文档中所述,您可以更改分类器的精度。在第二个示例中,“早上好”和“早上好,约翰”这可能会解决问题
- 还有另一种选择,即基于规则的方法和基于ML的方法。根据您的训练规模选择合适的