（二十一）RASA应用常见问题

缺少训练数据

当用户实际使用bot时，将有大量的会话数据作为训练数据。然而，在刚开始训练bot的时候，几乎没有训练数据，因此意图分类的准确性很低。解决这个问题有几个途径：

1. 使用数据增强技术，根据已有的训练数据生成一系列新数据，这个rasa里面本身也有这个功能。我们也可以应用三方工具生成一些。

2. 使用远程监督或弱监督的方式，使用已有的训练数据生成新的数据。比如，我们将对话数据中的一些词换成同义词；将已有数据从知识库中匹配相似说法等等。注意的是，要控制好生成数据的置信度，以免引入过多的噪声数据。

3. 选择众包，多用户写真实的数据。

4. 使用Rasa Core的交互式学习功能也非常有助于获取新的Core和NLU训练数据。

集外词

不可避免地，用户会使用到模型中没有的单词，如果使用的是预训练单词嵌入，那么除了尝试在更大的语料库上训练的语言模型之外，你没有什么可做的。还是就是添加OOV_token,分类器学习处理包含看不见单词的消息。

相近意图

当意图非常相似时，很难区分它们。想象一下这样的情况，一个用户提供他们的名字或者给你一个日期。直观地说，您可能会为消息创建一个intent：provide_name，它是Sara，为消息创建一个intent：provide_date，它是在周一。然而，从NLU的角度来看，这些消息非常相似，除了它们的实体。出于这个原因，最好创建一个inten：inform，它将provide_name和provide_date统一起来。在Rasa core的故事中，可以根据Rasa NLU提取的实体选择不同的故事路径。

数据不平衡

你应该始终保持每个意图的示例数量的大致平衡。然而，有时有的意图（例如，上述示例中的通知意图）的训练数据数据量大大超出其他意图的。一般来说，更多的数据有助于获得更好的精度，但严重的不平衡会导致分类器有偏差，进而对精度产生负面影响。Rasa有关于训练数据均衡的策略，可以通过配置超参数部分解决这个问题。但到目前为止，最好的解决方案是重新建立一个平衡的数据集。

实体提取器泛化效果不好

如果实体提取器并没有得到很好的泛化，那么可能有两个原因：缺少训练数据及或ner_crf组件出现了过拟合。如果使用了很多正则化表达式，或查找表，那么可以试着不使用他们，然后再训练模型，观察模型是否依旧出现过拟合。否则，针对你的实体增加更多的训练示例。

地址提取

如果你想要提取地址，那么我们建议使用带查找表的ner_crf组件。

实体映射

有些时候，提取的实体虽然具有相同的含义，但是有不同的表现形式。比如，你提取国家，如，U.S.，USA，United dStates of America，这三种表述方式都是相同的。如果你想要将它们映射到特定的值，你可以使用ner_synonyms组件。在你的训练数据中，你可以进行特定的标记。