python - 重新训练和更新现有 Rasa NLU 模型

Question

我一直在使用 Rasa NLU 进行一个涉及理解结构化文本的项目。我的用例要求我通过添加文本语料库实体的新示例来不断更新我的训练集。然而，这意味着我必须每隔几天重新训练我的模型，从而由于训练集大小的增加而花费更多时间。

Rasa NLU 中是否有一种方法可以通过仅使用新的训练集数据进行训练来更新已训练的模型，而不是使用整个先前的训练数据集和新的训练数据集再次重新训练整个模型？

我正在尝试寻找一种方法，可以通过每隔几天使用增量附加训练数据集进行训练来简单地更新现有的训练模型。

Answer 1

迄今为止，最新的Github issue关于该主题的陈述指出，无法仅添加新话语来重新训练模型。对于其中引用的先前问题也是如此。

你是对的:必须定期重新训练越来越长的文件会变得越来越耗时。尽管如此，在生产中就地重新训练并不是一个好主意。

用户评论中的优秀示例:

Retraining on the same model can be a problem for production systems. I used to overwrite my models and then at some point, one of the training didn't work perfectly and I started to see a critical drop in my responses confidence. I had to find where the problem was coming from and retrain the model.

Training new model all the time (with a timestamp) is good because it makes rollbacks easier (and they will happen in production systems). I then fetch the up-to-date model names from DB.