如何训练Wit.ai/LUIS.ai以获得大量实体值，如Restorent名称、Movie名称

Question

我正在尝试构建一个聊天机器人，它需要在知识库中添加大量的实体值(至少我认为是这样)。

假设用户只说出餐厅的名称，我们需要提供其详细信息，如位置、评级、菜单等。那么，如何才能让wit.ai在不实际保存所有可用值的情况下理解名称。

Answer 1

问得好。这真的取决于值的数量。

对于变化不大的值(例如餐馆)，可以使用HTTP API以编程方式将值添加到应用程序中：https://wit.ai/docs/http/20160526#post--entities-link。您可能希望将实体转换为自由文本和关键字。这就是验证表达式并在这些表达式中标记restaurant实体非常重要的地方。验证的查询示例越多，Wit猜测新值的能力就越强。一个非常简单的例子来帮助理解:如果你验证了“我想在BLABLA预订一张2人桌”，“我需要在BLIBLI预订一张桌”……通过使用BLABLA和BLIBLI作为餐厅实体，Wit将能够在足够多的示例之后猜测"Toto“可能是以下表达式"need to book a table at Toto”中的餐厅实体值，即使您从未将"Toto“验证为餐厅值。

对于随时间变化很大的值(电影)，您可能希望使用自由文本实体。同样，这也是验证表达式并在这些表达式中标记餐厅实体非常重要的地方。验证的查询示例越多，Wit猜测新值的能力就越强。在您这边，您将获得一个可能是电影的值，但您必须在您的代码中检查这是否真的是一部电影。

有关实体的更多信息，请单击此处：https://wit.ai/docs/recipes#which-entity-should-i-use