<p>有一种简单的方法可以做到这一点,但是由于RASA的代码文档很差,所以很难找到它。在</p>
<p>您必须按照以下格式创建一个json。在</p>
<pre><code>training_data = {'rasa_nlu_data': {"common_examples": training_examples,
"regex_features": [],
"lookup_tables": [],
"entity_synonyms": []
}}
</code></pre>
<p>在这个JSON培训中,示例是一个列表,它应该包含如下所示的数据。在</p>
^{pr2}$
<p>有了这个,你就可以这样训练了:)</p>
<pre><code>from rasa.nlu import config
# Even config can also be loaded from dict like this
def get_train_config():
return {'language': 'en',
'pipeline': [
{'name': 'WhitespaceTokenizer'},
{'name': 'ConveRTFeaturizer'},
{'name': 'EmbeddingIntentClassifier'}
],
'data': None,
'policies': [
{'name': 'MemoizationPolicy'},
{'name': 'KerasPolicy'},
{'name': 'MappingPolicy'}
]
}
trainer = Trainer(config._load_from_dict(get_train_config()))
interpreter = trainer.train(data)
</code></pre>