问题描述
我是rasa的新手，并开始创建一个非常特定于域的聊天机器人。作为它的一部分，我理解将监督嵌入作为nlu管道的一部分更好，因为我的用例是特定于领域的。
我在nlu.md中有一个示例意图
## create_system_and_config
- create a [VM](system) of [12 GB](config)
如果我尝试使用监督的功能化器，则可能与我特定于域的实体配合使用，但是我担心的是，仅使用监督性学习，我们会不会失去预训练模型的优势？例如，在诸如add a (some_system) of (some_config)之类的查询中。添加和创建密切相关。预先训练的模型将能够轻松选择此类动词。是否可以结合使用预先训练的模型，然后在我们的nlu管道中基于它进行一些监督学习，例如转移学习？
解决方法
如果您要创建特定于域的聊天机器人，最好使用监督嵌入而不是预先训练
例如，在通用英语中，“ balance”一词紧密相关 “对称”，但与“现金”一词非常不同。在银行 域，“余额”和“现金”密切相关，您希望 捕捉模型。
在您的情况下也是
您的模型需要捕获VM和虚拟机相同的词。预训练的功能化工具没有经过培训就可以捕捉到这一点，而且它们更通用。
在管道中使用预先训练的单词嵌入的优势是 如果您有一个培训示例，例如：“我想买苹果”，并且 要求Rasa预测您的模型“买梨”的意图 已经知道“苹果”和“豌豆”这两个词非常相似。 如果您没有足够的训练数据，这将特别有用
有关更多详细信息，请参阅Rasa document