1 意图分类任务简介
对话系统里，首先要对用户的输入进行领域、意图识别和槽抽取。深度学习发展以后，意图识别的方法多使用深度学习的算法，使用CNN对意图进行多分类，领域分类和意图分类较为类似。而槽的预测可以看成是标签序列预测问题。例如句子“我想听周杰伦的菊花台”，标签可以定义为“O O O B-singer M-singer E-singer O B-song M-song E-song”。标签序列预测多使用CRF，RNN，LSTM，LSTM+crf的模型。
2 槽位填充
槽位填充可以理解为一个序列标注的问题，我们训练范例{(x((n)),y((n)) ):n=1,……，N}，然后我们想要识别学到一个函数f∶x→y，这个函数能够匹配输入序列x和相应的标签序列y。在槽位填充中，输入序列和标签序列长度相同，因此排列是准确的。
表1：ATIS语料样本及其意图和槽位注释
3 数据集ATIS
ATIS数据集包含4978训练数据和893个测试数据，文本内容为客服对话，意图一共有26类。查询话语中的每个标记与填充IOB标签的插槽对齐，也就是上面图片中Sentence和Slots都是一一对齐的。
4 Pytext实战
本部分内容主要参考官方的文档Train Intent-Slot model on ATIS Dataset,有些地方稍微出入。
4.1 安装
目前Pytext只支持Linux和Mac系统，在命令行输入下面语句安装：
pip install pytext-nlp
4.2 文件准备
- 源码和数据集
文件
pytext https://github.com/facebookresearch/pytext
数据集 https://www.kaggle.com/siddhadev/atis-dataset/data - 词向量
https://nlp.stanford.edu/projects/glove/
image.png
Glove 100维词向量
4.3 数据预处理
python3 demo/atis_joint_model/data_processor.py --download-folder atis/ --output-directory demo/atis_joint_model/
数据预处理
4.4 模型训练
pytext train < demo/atis_joint_model/atis_joint_config.json
在没有使用GPU的情况下，训练需要30分钟左右
模型训练
模型训练完毕时，我们通过atis_joint_config.json看到，结果文件和模型保存到tmp目录下
4.6 模型导出
保存PyTorch模型时，简单的使用pickle进行序列化。这意味着简单的代码更改（例如，单词嵌入更新）可能导致与已部署模型的向后不兼容。为了解决此问题，可以使用内置的ONNX集成将模型导出为Caffe2格式。无论PyText或开发代码中的更改如何，导出的Caffe2模型都具有相同的行为。
在命令行中分别输入下面两行语句
CONFIG=demo/atis_joint_model/atis_joint_config.json
pytext export --output-path exported_model.c2 < "$CONFIG"
4.5 模型评估
我们可以使用pytext test来测试模型在测试集上的表现
pytext test < "$CONFIG"
评估结果
4.6 模型应用
我们可以将训练的模型部署成一个web应用，新建文件flask_app.py
import sys import flask import pytext config_file = sys.argv[1] model_file = sys.argv[2] config = pytext.load_config(config_file) predictor = pytext.create_predictor(config, model_file) app = flask.Flask(__name__) @app.route('/get_flight_info', methods=['GET', 'POST']) def get_flight_info(): text = flask.request.data.decode() # Pass the inputs to PyText's prediction API result = predictor({"raw_text": text}) # Results is a list of output blob names and their scores. # The blob names are different for joint models vs doc models # Since this tutorial is for both, let's check which one we should look at. doc_label_scores_prefix = ( 'scores:' if any(r.startswith('scores:') for r in result) else 'doc_scores:' ) # For now let's just output the top document label! best_doc_label = max( (label for label in result if label.startswith(doc_label_scores_prefix)), key=lambda label: result[label][0], # Strip the doc label prefix here )[len(doc_label_scores_prefix):] return flask.jsonify({"question": f"Are you asking about {best_doc_label}?"}) app.run(host='0.0.0.0', port='8080', debug=True)
执行
python flask_app.py "$CONFIG" exported_model.c2
然后打开另一个Terminal，我们测试下服务：
测试1
curl http://localhost:8080/get_flight_info -H "Content-Type: text/plain" -d "I am looking for flights from San Francisco to Minneapolis" { "question": "Are you asking about flight?" }
测试2
curl http://localhost:8080/get_flight_info -H "Content-Type: text/plain" -d "How much does a trip to NY cost?" { "question": "Are you asking about airfare?" }
测试3
curl http://localhost:8080/get_flight_info -H "Content-Type: text/plain" -d "Which airport should I go to?" { "question": "Are you asking about airport?" }
我们可以看到，模型将3次的意图都识别到了。
5 总结
其实，pytext核心部分是针对不同任务的config.json文件，里面定义了模型的结构，输入、输出等等，另外也有网友反映，现在文档对这一部分解释少，对怎么添加模型的介绍也很少，所以只能先摸索下。本篇文章，只是安装官方文档将训练一个模型的流程打通，但是自己希望接下来研究下怎么添加自定义模型和训练中文语料。
