小编Gas*_*tre的帖子

我和我的同事正在使用Microsoft bot框架和Microsoft LUIS构建一个非常大的应用程序.从本质上讲,我们正在尝试创建一个机器人,来自整个组织的人员可以向机器人发送消息(通过松弛)并接收相关信息.不同类型的请求涉及不同的主题领域(销售,营销,后勤和研发).如何将多个LUIS模型,实体和子实体链接在一起,以便请求在到达正确的实体之前不会查询每个实体？

现在,如果用户询问"我们今年在研究上花了多少钱？",它首先查询销售实体,然后查询营销实体,然后查询物流实体,最后在获得响应之前查询研发实体.我正在尝试限制API请求的数量.我目前知道3个可能的解决方案来处理这个路由问题,并且它们似乎都没有依赖LUIS来路由到适当的实体.

解决方案1涉及让机器人给出对应于每个域的UI选择器.

解决方案2涉及连接NLP库以从句子中提取主题,然后使用加权字典库匹配主题.

解决方案3涉及设置纯RegEx.这是我最不喜欢的解决方案,原因很明显.

使用Microsoft bot框架和Microsoft LUIS的企业级参考应用程序的链接将是一个理想的答案.

这是从TaxiFarePrediction示例复制的ML.Net管道对象的创建.

        LearningPipeline pipeline = new LearningPipeline
        {
            new TextLoader(TrainDataPath).CreateFrom<TaxiTrip>(separator:','),
            new ColumnCopier(("FareAmount", "Label")),
            new CategoricalOneHotVectorizer("VendorId","RateCode","PaymentType"),
            new ColumnConcatenator("Features","VendorId","RateCode","PassengerCount","TripDistance","PaymentType"),
            new FastTreeRegressor()
        };

基本上,我想在ColumnCopier,CategoricalOneHotVectorizer和ColumnConcatenator应用之后返回数据.

在 pandas 中进行元素明智乘法之后，我最终在一个数据帧元素中得到负零值，在另一个数据帧元素中得到常规零值。Python 表示它们相同，但显示方式不同。它们在什么程度上不相等？这将如何影响以后的计算？

In[100]:
import numpy as np
import pandas as pd

In[101]:
df_a = pd.DataFrame([[-5.2,3.1,2.8],[1,2,3],[4,5,4]], columns=['Col0','Col1','Col2'], index=['Row0','Row1','Row2'])
df_b = pd.DataFrame([[0,0,2],[1,2,3],[4,5,4]], columns=['Col0','Col1','Col2'], index=['Row0','Row1','Row2'])
df_c = df_a * df_b

In[102]: print df_a
Out[102]:
      Col0  Col1  Col2
Row0  -5.2   3.1   2.8
Row1   1.0   2.0   3.0
Row2   4.0   5.0   4.0

In[103]: print df_b
Out[103]:
      Col0  Col1  Col2
Row0     0     0     2
Row1     1     2     3
Row2     4     5     4

In[104]: print df_c
Out[104]:
      Col0  Col1  Col2
Row0    -0     0   5.6
Row1     1 …