路易斯艾迁移到Rasa格式的json没有返回实体，但是返回了正确的意图

Question

我已经使用命令python-mrasa将从LUIS应用程序下载的json迁移到RASA格式_nlu.列车-c配置_spacy.json文件

我的配置文件如下所示：

{     
"path" : "./models",   
"data" : "./data/examples/rasa/BookACab.json",
"pipeline" : ["nlp_spacy", "tokenizer_spacy", "intent_featurizer_spacy", 
              "ner_crf", "ner_synonyms", "intent_classifier_sklearn", 
              "ner_duckling"] 
}

使用RASA格式的json生成了一个模型，如下所示。但是，当我使用

http://localhost:5000/parse?q=book a ride later

将返回与我输入的文本及其所有相关实体相关的正确高分意图。但当我尝试另一种文本时，比如：

http://localhost:5000/parse?q=I want to go ride today 5pm

返回的intent是正确的，但它的Entities对象为空。正如您在下面的json中看到的，这个话语也有映射到它的实体，类似于工作示例。在

请帮我知道，这是每个人的问题，拉萨或我有任何错误吗？谢谢您！在

^{pr2}$

Answer 1

如果您可以包含与Rasa一起使用的pipeline，这会很有帮助。您可以在您的configuration文件中找到它。假设您没有更改config_spacy.json中的默认管道，那么您将使用ner_crf进行实体识别。在

很有可能由于库的差异，Rasa只需要比LUIS更多的训练数据。定性地说，mitie管道通常需要较少的训练数据，但折衷的是训练需要更多的时间。在

因此，您问题的基本答案是：如果您想使用ner_crf，那么您需要增加为实体识别提供的培训数据量。

那就是：RideTime是你唯一的实体吗？如果是这样的话，您应该考虑将ner_duckling添加到管道中，这样可以识别日期。这会比你自己训练约会更好。在

因此，利用上述培训数据和渠道：

["nlp_spacy", "tokenizer_spacy", "intent_featurizer_spacy", "ner_crf", "ner_synonyms",  "intent_classifier_sklearn", "ner_duckling"]

结果如下：

^{pr2}$

这套完整的训练对我来说很好。只是增加更多的训练例子而已。因此，当您进行更多的测试时，如果您遇到一个不符合预期的示例，请将其添加到培训数据中并重新培训。从而教会模型处理更多不同的请求。在

https://gist.github.com/wrathagom/7f05fbda75c785977bd07cd89e62ddd7