稀疏特征之间的区别

问题描述

我正在使用：EmbeddingIntentClassifier用于意图分类。

根据RASA的文档，EmbeddingIntentClassifier需要 dense_features 和/或 sparse_features 。

在我的NLU管道中，我有CountVectorsFeaturizer和RegexFeaturizer，它们都创建了 sparse_features 。

我想知道这两个组件的输出之一：CountVectorsFeaturizer和RegexFeaturizer被用作EmbeddingIntentClassifier的输入吗？

每个 sparse_features 的作用是什么？

谢谢

解决方法

您放在NLU管道中的所有功能化器都用作输入功能。因此，CountVectorsFeaturizer和RegexFeaturizer均被使用。稀疏或密集定义了代码中输出表示的方式。我们在可能的地方使用稀疏矩阵以节省内存。 以下视频说明了DIET的工作原理：https://www.youtube.com/watch?v=vWStcJDuOUk&list=PL75e0qA87dlG-za8eLI6t0_Pbxafk-cxb&index=2