story数据思维导图
树图思维导图提供 story数据 在线思维导图免费制作,点击“编辑”按钮,可对 story数据 进行在线思维导图编辑,本思维导图属于思维导图模板主题,文件编号是:a576c0b8dee18cc69fc64e9c88c07c27
story数据思维导图模板大纲
Stories是rasa中对话管理-对话策略学习部分的语料数据,由用户在yaml文件中自行配置
Checkpoints是用来是模块化和简化训练数据的,一个完整的故事块中会有一部分可能是多个故事共用的。
OR Statement是故事中用户输入的不同意图都适用这个故事块的时候,可以合到一起写,用OR statement配置。
StoryStep并非配置文件中的step,而是一个故事块中的一部分
story配置中既没有checkpoint,也没有or statement,那么一个完整的story块就是一个StoryStep。
story配置中只有start_checkpoint或只有end_checkpoint,那么一个完整的story块就是一个StoryStep。
story配置中既有start_checkpoint又有end_checkpoint,那么 这两个checkpoint之间的内容是一个StoryStep。
story配置中有Or Statement时,会把Or Statement按照配置的意图个数分为多个StoryStep。
StoryGraph是指将完整的stories训练数据通过DAG图的形式进行组织。
一个StoryStep是一个节点,边则是根据同名的end_checkpoint和start_checkpoint来进行连接,边的方向为“end_checkpoint-->start_checkpoint”。
Tracker是对话追踪对象,这里的Tracker是TrackerWithCachedStates,继承自抽象类DialogueStateTracker,具有sender_id,events等属性,tracker的状态更新通过events来实现。
所有的stories训练数据加载表示之后,输入对话策略模型之前都需要先转化成tracker
当用户当前的对话状态和训练数据中的某个story状态完全一致时,就使用story中的后续动作作为预测结果输出,也就是说Memoization Policy采用的是一种硬匹配的形式。
stories数据加载生成storygraph,转化成tracker,然后输入到Memoization Policy中进行tracker特征化、state-action持久化,这一过程即为Memoization Policy的训练过程,预测过程则是将用户的对话状态特征化,然后通过查表的方法查找当前状态对应的动作,即实现动作的预测。
一个stories包含多个story block;
每个story可能切分为一个或多个StoryStep;
所有StorySteps组装成一个StoryGraph;
StoryGraph的每条深度路径生成一个tracker
所有tracker特征化的state-action元组生成一个lookup表。