train.py: error: unrecognized arguments: --online --endpoints endpoints.yml about rasa_chatbot_cn HOT 18 CLOSED

https://rasa.com/docs/core/0.13.3/interactive_learning/
最新的版本使用这条命令可以解决这个问题
@Zengpr

from rasa_chatbot_cn.

please read requirements.txt, it maybe version's problem.

from rasa_chatbot_cn.

this issue give a solution.

from rasa_chatbot_cn.

我是这样安装的,版本都对的上,就是在train dialogue in online mod训练的时候有这个问题,要怎么改命令呢,不是启动server

from rasa_chatbot_cn.

Is the content of this demo changed to the medical field, or is the original rasa_chatbot code?

from rasa_chatbot_cn.

Is the content of this demo changed to the medical field, or is the original rasa_chatbot code?

demo和medical的代码有所不同，业务场景、需求和细节不同。

from rasa_chatbot_cn.

我现在在做老师的一个医疗领域的问答系统，现在遇到了一些困难，我有一些问题想向你请教一下：
1.你的医疗领域的代码是在rasa_chatbot的基础上进行修改的么？
2.你在编写代码的时候你的医疗相关的数据是存储在那里的？

from rasa_chatbot_cn.

有修改，存储数据库。

from rasa_chatbot_cn.

整个过程的工作量大么，我想用rasa做，但是现在时间不是太充足

from rasa_chatbot_cn.

工作量主要体现在你数据的处理标注，以及story的编写。这个要看你数据量的情况了。

from rasa_chatbot_cn.

目前数据库的是7万条数据，不过时间比较赶的话，我可以先只处理其中一部分数据即可，后面可以再加，故事编写的话，目前并不需要很多的对话场景，有几种就行，如果是这种情况的话工作量大概是多久？

from rasa_chatbot_cn.

能否定义实体类型字典呢,类似感冒/扁桃体发炎为disease,鸡蛋/番茄为food,直接在训练数据里加的话会不会太大了
@[disease]
~[感冒]
~[肢端肥大症]
~[血劳]
~[胃型哮喘]
~[甲状腺癌]

@[food]
~[木耳粥]
~[鸡蛋]
~[芦笋鸡丝汤]
~[桃仁]
~[桂皮]

from rasa_chatbot_cn.

@Zengpr 非常好的问题，定义实体类型字典这个我还没写component支持，是可以实现的。我们现在是在人名地名机构名这块有这个问题，所以我引入了jieba的词性标注加以支持的。
或者我在想是不是可以你给出足够多的实体在训练数据中，然后通过bert进行finetune，bert转词向量后应该会学到这块的内容。

from rasa_chatbot_cn.

@Zengpr 我是这样安装的,版本都对的上,就是在train dialogue in online mod训练的时候有这个问题,要怎么改命令呢,不是启动server，想知道你后来是怎么解决的。

from rasa_chatbot_cn.

训练的时候把这个--online --endpoints endpoints.yml 去掉
把python -m rasa_core.train --online -o models/dialogue -d mobile_domain.yml -s data/mobile_story.md --endpoints endpoints.yml
改成
python -m rasa_core.train -o models/dialogue -d mobile_domain.yml -s data/mobile_story.md
就可以了，
但是这样的话不就没有在线更新了吗？

from rasa_chatbot_cn.

还请楼主回答

from rasa_chatbot_cn.

这个应该是rasa-core的问题，建议去rasa-core这里看看

from rasa_chatbot_cn.

@zhangyanbo2007 这个问题我没有解决
@GaoQ1 我加入了越多实体到训练数据，bert的测试集准确率越低（甚至低于0.1），少点时达到百分之80\90。另外，实体识别始终是大问题呀，很多都是识别不了的，各种组件的都试了。
我识别的是菜名，用ner_mitie的话，字典没加的也是识别不了的呀，是不是哪里错了

from rasa_chatbot_cn.