Rasa如何使用通配符实体实现无需预定义实体列表的食谱搜索功能

Rasa 本身不原生支持你提到的[*]通配符实体标注语法，但可以通过以下两种方案实现不用逐个罗列食谱实体的需求：

方案1：使用正则实体提取（实现成本最低） #

适合查询句式相对固定的场景，不需要修改代码，只要改配置即可：

1. 在config.yml的pipeline中添加RegexEntityExtractor组件：

pipeline:
  # 保留原有的分词、特征提取等前置组件
  - name: RegexEntityExtractor
    use_word_boundaries: False
    # 配置意图关联的实体提取规则
    intent_regex_filters:
      - intent_name: cooking_baking
        # 匹配句式中食谱名称的位置，括号内的内容会被提取为实体
        regex_pattern: "show me a recipe for (.+)"
        entity_name: cookingAndBaking
        # 取第一个正则捕获组的内容作为实体值
        group_index: 1

2. NLU训练数据只需要保留足够识别cooking_baking意图的示例即可，不需要逐个标注所有食谱实体：

- intent: cooking_baking
  examples: |
    - show me a recipe for cake
    - show me a recipe for whatever
    - find me a recipe for xxx

方案2：自定义实体提取组件（适配灵活句式） #

如果你的用户查询句式变化多，正则覆盖不全，可以自己写一个轻量的实体提取组件：

1. 新建自定义组件文件custom_extractors.py，代码如下：

from rasa.nlu.extractors.extractor import EntityExtractor
from rasa.shared.nlu.training_data.message import Message
from typing import Any, List

class RecipeNameExtractor(EntityExtractor):
    provides = ["entities"]
    requires = ["intent"]
    language_list = ["en"] # 中文场景改成"zh"即可

    def process(self, message: Message, **kwargs: Any) -> None:
        # 只处理食谱查询意图
        if message.get("intent", {}).get("name") != "cooking_baking":
            return
        text = message.text
        entities = message.get("entities", [])
        # 可以扩展多个匹配规则适配不同问法
        match_rules = [
            "show me a recipe for ",
            "find me a recipe for ",
            "how to make "
        ]
        for prefix in match_rules:
            if text.lower().startswith(prefix.lower()):
                recipe_name = text[len(prefix):].strip()
                entities.append({
                    "entity": "cookingAndBaking",
                    "value": recipe_name,
                    "start": len(prefix),
                    "end": len(text),
                    "extractor": self.name
                })
                break
        message.set("entities", entities, add_to_output=True)

2. 在config.yml的pipeline中注册该组件：

pipeline:
  # 保留原有的前置组件，放在其他NER组件之前即可
  - name: custom_extractors.RecipeNameExtractor

3. 训练数据只需要标注意图示例，完全不需要标注实体。

注意事项 #

• 两种方案都可以在Rasa 2.6版本正常运行，不需要升级框架
• 如果需要支持多语言，只要修改对应的匹配规则即可
• 自定义组件的规则可以随时扩展，不需要修改训练数据或者实体列表

内容的提问来源于stack exchange，提问作者goodkid38