Как работать с двумя методами извлечения сущностей в НЛП

Question

Как работать с двумя методами извлечения сущностей в НЛП

Оба класса Rectangle и Ellipse должны переопределять оба абстрактных метода.

Чтобы обойти это, у вас есть 3 варианта:

Добавьте два метода
Сделайте каждый класс, который расширяет абстрактную форму Shape
Имеет один метод, который выполняет функцию классов, которые будут расширять форму, и переопределяет этот метод в Rectangle и Ellipse, например:
```
abstract class Shape {
    // ...
    void draw(Graphics g);
}
```

И

    class Rectangle extends Shape {
        void draw(Graphics g) {
            // ...
        }
    }

Наконец

    class Ellipse extends Shape {
        void draw(Graphics g) {
            // ...
        }
    }

И вы можете переключаться между ними, например:

    Shape shape = new Ellipse();
    shape.draw(/* ... */);

    shape = new Rectangle();
    shape.draw(/* ... */);

Опять же, просто пример.

1

nlp entity rasa-nlu

задан mexwell 5 March 2019 в 11:36

1 ответ

Другие вопросы по тегам:

nlp entity rasa-nlu

Похожие вопросы:

score 0 · Answer 1

Вы столкнулись с 2 проблемами здесь. Я предлагаю несколько способов, которые я нашел полезным.

1. Распознавание пользовательских сущностей: Чтобы решить эту проблему, вам нужно добавить больше обучающих предложений со всеми возможными длинами сущностей. ner_crf будет лучше предсказывать, когда вокруг сущностей есть идентифицируемые маркеры (например, предлоги)

2. Извлечение сущностей из ответа одним словом: В качестве обходного пути я предлагаю вам выполнить ниже манипуляции на стороне клиента.

Когда вы отправляете вопрос наподобие What´s your favorite animal?, добавьте маркер к вопросу, чтобы указать клиенту, что ожидается один ответ. например Вы можете отправить ##SINGLE## What´s your favorite animal? клиенту.

Клиент может удалить ##SINGLE## из вопроса и показать его пользователю. Но когда клиент отправляет ответ пользователя на сервер, он не отправляет Dog, он отправляет что-то вроде User responded with single answer as Dog

Вы можете обучить вашу модель извлечению сущностей из такого ответа.