草庐IT

python - 如何将对话数据分解成对(上下文，响应)

coder 2023-08-14 原文

我正在使用 Gensim Doc2Vec 模型，试图对客户支持对话的各个部分进行聚类。我的目标是为支持团队提供自动回复建议。

图 1: 显示了一个示例对话，其中在下一个对话行中回答了用户问题，这使得提取数据变得容易:

在对话中应该建议“你好”和“我们的办公室位于纽约市”

图 2:描述了一个问题和答案不同步的对话

在对话中应该建议“你好”和“我们的办公室位于纽约市”

图 3: 描述了一个对话，其中答案的上下文是随着时间的推移而构建的，并且出于分类目的(我假设)一些行是多余的。

在对话中应该建议“这里是免费试用帐户的链接”

我有以下每个对话行的数据(简化):
谁写了行(用户或代理)、文本、时间戳

我正在使用以下代码来训练我的模型:

from gensim.models import Doc2Vec
from gensim.models.doc2vec import TaggedLineDocument
import datetime

print('Creating documents',datetime.datetime.now().time())
context = TaggedLineDocument('./test_data/context.csv')

print('Building model',datetime.datetime.now().time())

model = Doc2Vec(context,size = 200, window = 10, min_count = 10, workers=4)
print('Training...',datetime.datetime.now().time())

for epoch in range(10):
    print('Run number :',epoch)
    model.train(context)

model.save('./test_data/model')

问:我应该如何构建训练数据以及可以应用哪些启发式方法从原始数据中提取数据？

最佳答案

为了训练模型，我将从连接连续的消息序列开始。我要做的是，使用时间戳连接消息，中间没有来自其他实体的任何消息。

例如:

Hello
I have a problem
I cannot install software X
                                       Hi
                                       What error do you get?

会是:

Hello I have a problem I cannot install software X
                                       Hi What error do you get?

然后我会用那种格式的句子训练一个模型。我会这样做，因为我假设对话在实体交互之间始终具有“单一主题”。在那种情况下，建议一条消息 Hi What error do you get? 就完全没问题了。

另外，看看数据。如果用户的问题通常是单句的(如示例中所示)，那么句子检测可能会有很大帮助。在那种情况下，我会在连接的字符串上应用句子检测(nltk 可能是一个选项)并且只使用单句问题进行训练。这样，您就可以在训练模型时以减少数据集大小为代价避免不同步问题。

另一方面，我真的会考虑从一个非常简单的方法开始。例如，您可以通过 tf-idf 对问题进行评分，并且为了获得建议，您可以将数据集中最相似的问题与某些指标(例如余弦相似度)结合起来，并为该问题建议答案。这在带有上下文信息的句子中表现非常糟糕(例如 how do you do it?)，但在诸如 where are you based? 这样的句子中表现很好。

我最后的建议是因为 traditional methods perform even better than complex NN methods when the dataset is small .您的数据集有多大？

如何训练 NN 方法也很重要，有很多超参数，正确调整它们可能很困难，这就是为什么有一个基线和一个简单的方法可以帮助你很多检查你做得如何。在此其他paper他们比较了 doc2vec 的不同超参数，也许您会发现它有用。

编辑:一个完全不同的选择是训练模型将问题与答案“联系起来”。但是为此，您应该用相应的答案手动标记每个问题，然后在该数据上训练监督学习模型。这可能会更好地泛化，但需要付出额外的努力来手动标记句子，但对我来说这仍然不是一个简单的问题。

关于python - 如何将对话数据分解成对(上下文，响应)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39489933/

将对pythonstrongcode训练text-miningdoc2vecgensym

有关python - 如何将对话数据分解成对(上下文，响应)的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  3. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  4. ruby-on-rails - 如何验证 update_all 是否实际在 Rails 中更新 - 2

    给定这段代码defcreate@upgrades=User.update_all(["role=?","upgraded"],:id=>params[:upgrade])redirect_toadmin_upgrades_path,:notice=>"Successfullyupgradeduser."end我如何在该操作中实际验证它们是否已保存或未重定向到适当的页面和消息？ 最佳答案 在Rails3中，update_all不返回任何有意义的信息，除了已更新的记录数(这可能取决于您的DBMS是否返回该信息)。http://ar.ru

  5. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  6. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

    我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

  7. ruby - 解析 RDFa、微数据等的最佳方式是什么，使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  8. ruby - 如何指定 Rack 处理程序 - 2

    Rackup通过Rack的默认处理程序成功运行任何Rack应用程序。例如:classRackAppdefcall(environment)['200',{'Content-Type'=>'text/html'},["Helloworld"]]endendrunRackApp.new但是当最后一行更改为使用Rack的内置CGI处理程序时，rackup给出“NoMethodErrorat/undefinedmethod`call'fornil:NilClass”:Rack::Handler::CGI.runRackApp.newRack的其他内置处理程序也提出了同样的反对意见。例如Rack

  9. ruby - 如何每月在 Heroku 运行一次 Scheduler 插件？ - 2

    在选择我想要运行操作的频率时，唯一的选项是“每天”、“每小时”和“每10分钟”。谢谢!我想为我的Rails3.1应用程序运行调度程序。 最佳答案 这不是一个优雅的解决方案，但您可以安排它每天运行，并在实际开始工作之前检查日期是否为当月的第一天。 关于ruby-如何每月在Heroku运行一次Scheduler插件？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/8692687/

  10. ruby-on-rails - 如何从 format.xml 中删除 <hash></hash> - 2

    我有一个对象has_many应呈现为xml的子对象。这不是问题。我的问题是我创建了一个Hash包含此数据，就像解析器需要它一样。但是rails自动将整个文件包含在.........我需要摆脱type="array"和我该如何处理？我没有在文档中找到任何内容。 最佳答案 我遇到了同样的问题；这是我的XML:我在用这个:entries.to_xml将散列数据转换为XML，但这会将条目的数据包装到中所以我修改了:entries.to_xml(root:"Contacts")但这仍然将转换后的XML包装在“联系人”中，将我的XML代码修改为

随机推荐