spacy的优点
- 非破坏性
- 命名实体识别
- 支持8语言的13个统计模型
- 预训练是词向量
- 轻松进行深度学习的集成
- 词性标注
- 带标签的依存句法分部
- 句法驱动的句子分割
- 内置的句法和命名实体可视化工具
10,便捷的字符串到哈希的映射
11,可导出numpy数组
12.高效的二进制序列化
13.简单的模型打包以及部署
14.领先的处理速度
15.健壮的经过严格评估的准确率。
Python学习遇到小问题：ModuleNotFoundError: No module named ‘pip’
用以下命令解决
python -m ensurepip
python -m pip install --upgrade pip
spacy算法模型的功能
- 词性标注
- 词干提取和词性还原
- 命名实体识别
比如人，地点，日期，数字。
- 依存句法分析：对句子边界进行检测，基于名词短语（块chunks），进行迭代优化,用于解释单词短语之间的父子关系
- 计算相似度：基于GloVe算法。
n.为名词 ，adv是副词 ，prep是介词 ，v.是动词 ，pron是代词 ，abbr是缩写， adj.是形容词。
prep. =?介系词（介词）；前置词，preposition的缩写
pron?.=?代名词（代词），pronoun的缩写
n?.=?名词，noun的缩写
v. =?动词，兼指及物动词和不及物动词，verb的缩写
conj. =?连接词?，conjunction的缩写
vi. =?不及物动词，intransitive verb的缩写
vt. =?及物动词，transitive verb的缩写
adj. =?形容词，adjective的缩写
adv. =副词，adverb的缩写
art. =?冠词，article的缩写
num. =?数词，numeral的缩写
int. =?感叹词，interjection的缩写
pl. =?复数，plural的缩写
interjection
part-of-speech Tagging POS Tagging词性标注
organization 组织，Geopolitial地理实体，109.65billion US dollars金钱
分析用户情感之前，需先去除噪声，就是去除“停用词
Rasa NLU
词向量矩阵用来测试两个单词的语义相似度匹配度。
TensorFlow_embedding管道并不像spacy_sklearn一样使用预训练词向量，而是会根据提供的数据集进行自我调整。
管道（pipline）
管道是一组用于模型训练的算法。Rasa NLU有两个广泛使用的管道，分别是
spacy_sklearn和tensorflow embedding。
spacy_sklearn使用Glove算法或者flaskText来预训练词向量。
TensorFlow_embedding
Rasa概念
动作（Action）
顾名思义，动作是一个可以实施的具体行动。Rasa文档这样的面熟动作：响应对话状态将采取的下一步行动。
槽（Slots）
???? 
模板（Templates）
执行python training_initialize.py
运行python? training_online.py 错误如下
安装spacy
安装管道sklearn-crfsulte
?pip install sklearn-crfsulte
需要安装 en
接下来是训练之后的模型，然后输入问题，每次输入以后都会进行模型匹配，一轮对话结束以后就保存为一个story(剧本)，剧本可以作为学习模型保存下来，并可以用于机器人训练。
