本文深入解析了Rasa Fallback Classifier如何处理对话失败情况，包括Simple Fallback、Single-stage Fallback和Two-stage Fallback的实现细节。通过配置threshold和ambiguity_threshold，当对话机器人无法理解用户意图时，可以转向人工处理或提供意图建议，以优化用户体验。
本文继续围绕工业级业务对话平台和框架Rasa的Fallback Classifier处理对话失败情况的三大处理方式以及相关代码进行解析。对话机器人在与用户对话时会遇到无法处理的情况，譬如用户输入的信息不完整或者有歧义，导致对话机器人无法理解用户的意图；另外一种情况是对话机器人使用的模型训练数据没有包括在实际对话场景中使用的对话模式(pattern)，导致对话机器人无法做出预测，所以Rasa提供了Fallback Classifier用来处理这些对话失败情况。
一、关于Rasa Fallback Classifier处理对话失败方式及相关代码解析
- Rasa Fallback Classifier在具体对话机器人开发中的重大价值分析
关于Fallback Classifier，它是Rasa的一个graph component,继承自顶级接口GraphComponent和IntentClassifier接口。
首先看个例子，为了触发fallback的情况，采取下列做法：
-减少这个例子中使用的DIETClassifier的训练参数epoch的值为2，这样就无法有效训练模型
-去掉配置文件中的FallbackClassifier
训练后得到下面的对话结果：
通过de
最低0.47元/天 解锁文章
484
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
