From d5d9f39809dbadf8d434531608f2767f15a45c97 Mon Sep 17 00:00:00 2001 From: Carla Rocha Date: Mon, 17 Jun 2019 10:31:07 -0300 Subject: [PATCH] Update tutorial-como-treinar-o-modelo.md --- docs/tutorial-como-treinar-o-modelo.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/docs/tutorial-como-treinar-o-modelo.md b/docs/tutorial-como-treinar-o-modelo.md index bc9cf98c..e2a44806 100644 --- a/docs/tutorial-como-treinar-o-modelo.md +++ b/docs/tutorial-como-treinar-o-modelo.md @@ -11,11 +11,11 @@ As informações mais detalhadas sobre as policies podem ser encontradas na [doc ## Policies -Na arquitetura do *Rasa* as policies são aquelas que recebem as intenções do usuários, já identificadas pelo *chatbot*, e a partir dessa informação determina qual ação será toma a seguir. Sem grande rigor, a **Policy** é a estrutura de rede neural, na qual recebe a entrada identificada como por exemplo `ìntent_cumprimentar` e preve qual será a resposta do *bot*, usando como base os exemplos de conversas. +Na arquitetura do *Rasa* as policies são aquelas que recebem as intenções do usuários, já identificadas pelo *chatbot*, e a partir dessa informação determina qual ação será toma a seguir. Sem grande rigor, a **Policy** recebe a entrada identificada como por exemplo `ìntent_cumprimentar` e preve qual será a resposta do *bot*, usando como base os exemplos de conversas. O *Rasa* possue várias policies implementadas e também suporte para construção de policy customizada. As que serão detalhadas neste documento são as **Keras Policy**, **Memoization Policy**, **Embedding Policy** e **Fallback Policy**. -No arquivo `policies_config.yml`, ou `config.yml` é definido a sequência de prioridades das policies a ser executada. Normalmente, a **Memoization Policy** é a que tem maior prioridade, pois avalia se existe um storie seguindo exatamente a conversa intepretada, e a **Fallback Policy** é a que age se todas as outras não atingirem o nível de confiança adequado. +No arquivo `policies_config.yml`, ou `config.yml` é definido a sequência de prioridades das policies a ser executada. Normalmente, a **Memoization Policy** é a que tem maior prioridade, pois avalia se existe um storie nos arquivos de treinamento seguindo exatamente a conversa intepretada, e a **Fallback Policy** é última prioridade, e age se todas as outras não atingirem o nível de confiança adequado. Entre a **Memoization Policy** e a **Fallback Policy** normalmente é definido uma das policies detalhadas abaixo. Essas policies (**Keras Policy**, **Embedding Policy**) são redes neurais que inferem o contexto da conversa a partir de um histórico e prediz qual a ação mais adequada, com a sua respectiva probabilidade. Essas redes neurais são treinadas com os exemplos de conversas salvos na pasta "stories" dos dados. ### Keras Policy