Просто аннотируйте их соответственно, например,
## intent: query_error
- Service [httpd](keyword) is not responding because of [high CPU usage](keyword) and [DNS Error](keyword)
Имея предложение сверху, Rasa NLU извлечет 3 сущности типа keyword.Затем вы можете получить доступ к этим объектам в пользовательском действии и запросить базу данных
Относительно количества необходимых примеров: это зависит от
- конвейера NLU , который вы используете.Как правило,
tensorflow_embedding требует больше обучающих примеров, чем spacy_sklearn, поскольку он не использует модели языка с предварительной подготовкой. - количество различных значений, которые могут иметь ваши сущности.Если это только
httpd, high CPU usage и DNS error, вам не нужно много примеров.Однако, если у вас есть тысяча различных значений для вашей сущности, вам нужно больше обучающих примеров
Достаточно одного намерения, если вы всегда хотите запустить одно и то же настраиваемое действие.Однако, если вы хотите классифицировать проблемы различного типа, например проблемы сервера и проблемы клиента, и запускать разные базы данных в зависимости от типа проблем, вы можете рассмотреть возможность использования нескольких намерений.
Извините за расплывчатые ответы, но в машинном обучении большинство вещей сильно зависит от варианта использования и набора данных.