最后一节rasa课后的简要小结

weixin_41710583

于 2021-03-27 22:45:55 发布

阅读量135

点赞数

文章标签： pytorch 神经网络自然语言处理深度学习

本文链接：https://blog.youkuaiyun.com/weixin_41710583/article/details/115273236

版权

本周博主专注于Rasa框架的梳理，尤其是NLU部分的cross_woz场景，实现了分类代码，加深了对nlu模型的理解。然而，实体识别和Dialogue State Tracking仅停留在看代码阶段，beliefstate数据的处理成为难点，未完成全部任务运行。接下来的计划是重新实现slot实体识别，整合intent与slot，并独立完成 DST 和端到端对话任务，以增进对这些核心任务的深入理解。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

01 本周主要是做了对rasa的一个整体的梳理，知道了自己在rasa方面的很多大概懂但是又不够理解的地方。rasa是一个整体而综合的东西，会涉及到很多模型任务，以及规则。现在自己主要对nlu的部分的模型有了相对深一点的理解，因为其中的cross_woz场景，其中的nlu部分的分类代码，是自己亲自去实现的。而实体识别和Dialogue State Time的任务，也只是粗略的看了代码，没有整体自己的去实现。其中遇到一个问题是其中的belief state这部分数据，没能找到其中的实现方式，所以没能最终跑通任务全部。还有Dialogue System Generation只是大概看了代码，没有自己去实现。所以需要下功夫的地方还有很多。

02 接下来要做的事情，把nlu中的crosswozs场景下的slot实体识别任务，再自己去好好实现一遍。以及将intent和slot放到一起去实现一遍。将dst的任务，自己再去实现一遍，将端对端对话的任务，自己再去实现一遍。加强对这些任务更深层的了解。