为什么Rasa NLU使用SVM而不是LSTM？

Question

我是机器学习的新手。

我读过一些博客，其中说RASA NLU使用SVM对词嵌入进行分类以对意图进行分类。但是最近我的开发人员说LSTM比SVM更好用。我可以在LSTM中使用rasa nlu吗？那是个好方法吗？

我目前正在使用spacy_sklearn在Rasa nlu上训练我的模型。

Answer 1

Rasa NLU不仅使用支持multiple pipelines的SVM，而且使用多种算法。

以下是有关Rasa's TensorFlow pipeline的一些信息。在该文章中，它们还链接到另一篇文章，该文章解释了SVM如何是"embarrassingly good baseline"

这是他们在Rasa NLU上关于how to choose the right pipeline的博客文章。

我看到您也在Articulate Gitter中问了这个问题。很抱歉没有在此回复。 Articulate支持Rasa所做的任何管道，我们的最新版本默认为Rasa的TensorFlow管道。

不可能说LSTM总是比SVM更好。尽管您可以在others opinions.处搜索Google，但是您当前的解决方案是否无法正确分类意图？如果是这样，请尝试使用其他管道。如果没有，那么仅仅为了它而转向更新/更先进的技术是没有道理的。