数据集

[happywch]

在数据值的制作中，不明白 "domain"这个的作用，也没有看见介绍。我想要制作的大概如下 “灯光调节”：{ “调模式” “调亮度” “调色温___”
} 是不是可以丢弃domain，具体如下所示 { "text": "我想把色温调高一点", "intent": "灯光调节", "slots": { "色温": "高" }

[Linear95]

是的，domain是原始数据里面自带的，可以理解是一个high-level的intent，实际训练没有用到，可以去掉。

[happywch]

对于特定领域的意图识别，比如，家庭控制领域。 我是不是 不仅需要标注家庭控制领域内的相关数据集，还需要针对日常的无关的内容进行标注（比如“该吃饭了”），以防止误触 那么这种无关的内容该怎么标注呢。是单独将无关的内容全部标注为一个意图。还是直接空着。 当然我希望这种无关的内容可以尽可能的少的占用预测资源（不是训练）

[Linear95]

可以加一个无关意图标签，遇到bad case就加进去，然后不断迭代，效果就可以持续提升。这种误触没法完全避免，只能靠加数据。

[happywch]

当我使用下面这样的格式 { "text": "我想把灯光颜色变得更加温暖一点", "intent": "灯光调节", "slots": { "色温调低": "10" } 来作为数据集使用。训练后，使用发现slots项的识别常常为空“{}”。 看了下huggingface的bert-base-chinese模型，他是用MASK的方法来识别的。 意思是我slots内容必须出现在text内？所以这样的标注是不对的吗？

[Linear95]

对，“色温调低”这四个字必须在“text”里面出现，不然识别不到，这个是抽取式模型，没有生成slot的能力。

[happywch]

通过在intended内写入slot内容解决了，感谢帮助