为何rasa init生成的config.yml中CountVectorsFeaturizer被配置两次？

这是为了让模型同时提取两种不同维度的文本特征，从而提升意图分类和实体识别的效果：

• 第一次配置是默认的CountVectorsFeaturizer，它以**单词（word）**为分析单元，统计文本中词的出现频率，捕捉词层面的语义信息，这是处理常规文本的基础特征。
• 第二次配置指定了analyzer: char_wb，开启了**字符级的n-gram（1到4个字符）**特征提取，这种方式能捕捉字符层面的模式，比如拼写变体、前缀后缀、稀有词或者非英语语言的字符组合，弥补词级特征的不足。

将这两种特征结合后，DIETClassifier能获得更丰富的文本表示，对各种复杂文本场景的适配性更强。

内容的提问来源于stack exchange，提问作者etang