从完整的句子自动生成意图和实体

我正在构建一个机器人Rasa.ai http://www.rasa.ai当使用 Rasa NLU 训练机器人时，我们使用指定文本、意图、实体等的训练数据文件。例如，对于一个简单的餐厅聊天机器人，训练文件data.json可能含有

{
        "text": "central indian restaurant",
        "intent": "restaurant_search",
        "entities": [
          {
            "start": 0,
            "end": 7,
            "value": "central",
            "entity": "location"
          },
          {
            "start": 8,
            "end": 14,
            "value": "indian",
            "entity": "cuisine"
          }
        ]
      }

我们用它来训练模型。但我们需要手动（或通过 GUI）创建这个训练文件。

有没有什么工具可以让我输入句子并且它可以自动创建意图和实体？

Sample Input: Is there any central Indian restaurant?
Sample Output: The above data.json

EDIT:

为了更好地解释这个问题 - 假设我有大量的客户服务通话记录。我的理解是Rasa（或其他类似的框架） - 人类需要浏览呼叫日志并了解所有可能的意图、过去发生的实体组合并创建一个像data.json在训练模型之前如上所示。这似乎是一个真正无法扩展的问题。有没有办法生成它data.json无需人工参与即可从这些 GB 大小的通话日志中提取文件？我在这里错过了什么吗？

这正是您训练 Rasa NLU 执行的任务。接收句子并将其转化为结构化输出。通过提供示例，您可以向模型教授其工作原理。

因此，您不必为千兆字节的客户日志提供注释，而只需提供一些注释，并且算法应该推广到尚未见过的其他句子。它的效果如何取决于你有多少意图、它们的复杂程度以及其他因素。

我会首先注释几百个句子（降价格式 http://nlu.rasa.com/dataformat.html#markdown-format实际上更容易一些），将 50 个左右的示例分开，然后看看 Rasa NLU 预测它们的效果如何。继续注释越来越多的示例并将它们添加到您的训练数据中，直到您对保留示例的性能感到满意。