Python NLP Absicht Identifikation

Ich bin Neuling in Python und NLP, und mein problem ist, wie um herauszufinden, Absicht, bestimmten Fragen, zum Beispiel habe ich Sätze von Fragen und Antworten wie diese :

question:What is NLP; answer: NLP stands for Natural Language Processing

Habe ich einige grundlegende POS tagger auf gegebene Fragestellungen in der obigen Frage, die ich erhalten entety [NLP] ich habe auch String Matching mit diesem algo.

Im Grunde Stand ich vor folgenden Fragen :

  1. Wenn Benutzer Fragen what is NLP dann wird es wieder genaue Antworten
  2. Wenn Benutzer Fragen meaning of NLP dann scheitern
  3. Wenn Benutzer Fragen Definition of NLP dann scheitern
  4. Wenn Benutzer Fragen What is Natural Language Processing dann scheitern

So, wie ich ermitteln sollte, mit dem Benutzer die Absicht, Ihnen Fragen gegeben, die da in meinem Fall String matching oder pattern matching nicht funktioniert.

  • Es ist ein schweres problem, ohne eine einfache (oder definitive) Antwort. Wenn du dich mit NLP, ist dies nicht eine gute Aufgabe, um mit zu beginnen.
  • Was ist ein "Vorsatz"?
  • Intent bedeutet, dass der Benutzer Frage Fragen, die Absicht für eine ex.: location, whether, order, definition etc für mehr überprüfen Sie das chat-bot-Architektur
InformationsquelleAutor Yogesh | 2017-05-27
  1. 8

    Können Sie tun, Absicht, die Identifikation mit DeepPavlov, es unterstützt multi-label-Klassifizierung. Weitere Informationen finden Sie in http://docs.deeppavlov.ai/en/master/components/classifiers.html
    Die demo-Seite https://demo.ipavlov.ai

    InformationsquelleAutor Vlad P
  2. 6

    Verwenden Sie diese
    https://github.com/RasaHQ/rasa_nlu
    Einen guten Rahmen auf Vorsatz Identifikation und entity-Extraktion.
    Es ermöglicht auch eine einfache Modell-training.

    InformationsquelleAutor Saurabh Yadav
  3. 2

    können Sie spacigen für die Ausbildung eine benutzerdefinierte parser für chat-Vorsatz Semantik.

    spacigen die parser-Komponente können verwendet werden, um ausgebildet, um vorherzusagen, jede Art von Struktur über Ihren text eingeben. Sie können auch Vorhersagen, Bäume über ganze Dokumente oder chat-Protokolle, mit verbindungen zwischen den Satz-Wurzeln verwendet, um Anmerkungen zu Diskurs-Struktur.

    zum Beispiel:
    "zeigen Sie mir das beste hotel in berlin"

    ('show', 'ROOT', 'show')
('best', 'QUALITY', 'hotel') --> hotel with QUALITY best
('hotel', 'PLACE', 'show') --> show PLACE hotel
('berlin', 'LOCATION', 'hotel') --> hotel with LOCATION berlin

    Um das Modell zu trainieren müssen Sie die Daten in diesem format:

    # training data: texts, heads and dependency labels
# for no relation, we simply chose an arbitrary dependency label, e.g. '-'
TRAIN_DATA = [
    ("find a cafe with great wifi", {
        'heads': [0, 2, 0, 5, 5, 2],  # index of token head
        'deps': ['ROOT', '-', 'PLACE', '-', 'QUALITY', 'ATTRIBUTE']
    }),
    ("find a hotel near the beach", {
        'heads': [0, 2, 0, 5, 5, 2],
        'deps': ['ROOT', '-', 'PLACE', 'QUALITY', '-', 'ATTRIBUTE']
    })]

TEST_DATA:
input : show me the best hotel in berlin
output: [
      ('show', 'ROOT', 'show'),
      ('best', 'QUALITY', 'hotel'),
      ('hotel', 'PLACE', 'show'),
      ('berlin', 'LOCATION', 'hotel')
    ]

    für mehr details überprüfen Sie Bitte die folgenden link.
    https://spacy.io/usage/examples#intent-parser

    • Während dieser Zusammenhang kann eine Antwort auf die Frage, ist es besser, die wesentlichen Teile der Antwort hier und den link zur Referenz. Link-nur Antworten können ungültig werden, wenn die verlinkten Seite ändert. - Nach Bewertung
    • Danke für den Kommentar. ich habe aktualisiert die Antwort, bitte fühlen Sie sich frei zu kommentieren zurück für die Korrektur 🙂
    InformationsquelleAutor manish Prasad
  4. 1

    Für eine Allgemeine wissen und die Liste der ausgezeichneten Beispiele für die Frage und die Beantwortung von Systemen auf der Grundlage der Rangliste von NLP in der Branche sind hier aufgelistet: https://rajpurkar.github.io/SQuAD-explorer/
    Dieser Prozess kann tatsächlich zu bekommen, wirklich kompliziert sind abhängig von der Komplexität und den Umfang Ihrer domain. Zum Beispiel, fortgeschrittene Ansätze anwenden, die erste Bestellung + Aussagenlogik und komplexe neuronale Netze.
    Eine der beeindruckenden Lösungen, die ich gesehen habe, ist die bidirektionale Aufmerksamkeit flow: https://github.com/allenai/bi-att-flow, demo ist hier: http://beta.moxel.ai/models/strin/bi-att-flow/latest

    In der Praxis habe ich festgestellt, dass, wenn Ihr Korpus hat mehr Domänen-spezifische Begriffe, die Sie benötigen, um erstellen Sie Ihr eigenes Wörterbuch. In Ihrem Beispiel, "NLP" und "Natural Language Processing" sind von der selben Firma, so müssen Sie diese in einem Wörterbuch nach.

    Grundsätzlich, betrachten Sie sich wirklich glücklich schätzen, wenn Sie Weg erhalten können, mit nur ein rein statistischer Ansatz wie die Cosinus-Distanz. Sie werden wahrscheinlich brauchen, um zu kombinieren mit einem Lexikon-basierte Ansatz als gut. Alle NLP-Projekte, die ich getan habe domänenspezifischer Terminologie und "slang", also habe ich kombiniert sowohl statistische als auch die Lexikon-basierte Methoden, insbesondere für die feature-Extraktion, wie Themen, Absichten und Organisationen.

    InformationsquelleAutor saucy wombat
  5. 0

    Ich denke, das hängt wirklich davon ab, wie Sie Ihren Rahmen Ihr problem und Ihre domain. Hier ist ein dataset, die nützlich sein könnten für die Frage geben Klassifikation und hier ist eine Implementierung.

    Diese being said, ich denke, Sie brauchen, um Anmerkungen in Ihren text, evtl. durch Chunker, SRL, etc. und extrahieren Sie interessante Muster.

    InformationsquelleAutor Daniel
  6. 0

    Deep Learning Modelle, Wie CNN mit Word2Vec.

    Diese Modelle werden in der Lage sein, um Sie an die Variationen in den Sätzen, die Sie erwähnen.

    Check-out Keras Umsetzung hier - https://github.com/sarweshsuman/keras-text-classification

    InformationsquelleAutor Sarwesh Suman
  7. 0

    Können Sie die deep-learning-Modell mit einem word-einbetten von Modell und Zeichen einbetten Modell.
    Sie können RNN oder CNN(Nach mir CNN ist schneller in der Erwägung, dass RNN robuster für NLP). Sie können jede word2vec Modell wie google-news, spacig, Handschuhe usw.

    • (Dieser Beitrag nicht scheinen, um eine Qualität Antwort auf die Frage. Bitte Bearbeiten Sie Ihre Antwort, und es zu verbessern, oder einfach nur posten Sie es als Kommentar zu der Frage.)
    InformationsquelleAutor Joy
Schreibe einen Kommentar