从这节课开始，我们来训练意图识别的模型，意图识别的英文是：Intent Recognition，以下简称：IR模型。所谓的意图识别，在知识图谱的这个项目中，就是给用户的问题做一个分类，本质上还是一个文本分类任务。同时，类别最好跟系统预设的模板一一对应，后面就不用做映射了。

类别列表 

内容不可见，请联系管理员开通权限。

数据集

在工业级项目中，数据来源最好是历史数据中，用户的真实问题，然后做对应的标注。但是做课的话，显然没有这种条件，所以，在课前带大家用ChatGPT，生成了一批数据，用来做这个课程配套的模型训练。

如果大家在工作中，有机会上线真实项目，也可以用这种模拟数据做项目冷启动，等有真实的用户之后，再标注用户提交数据，然后更新模型，这样模型就可以定期更新了。

模型结构

模型结构，沿用的是新闻文本分类课程的Bert+TextCNN结构，同样，没有看过这个课程的同学，也是建议大家先去学习文本分类的课程。意图识别名字很玄乎，本质上还是一个文本分类的任务。课程链接：http://www.ichenhua.cn/edu/course/28.

目录结构

跟命名实体识别任务一样，意图识别的训练，也是离线操作就可以了，所以也放到 offline 文件夹中。 

内容不可见，请联系管理员开通权限。

因为这份数据，是按我们给定的规则生成的，所以数据格式比较规整、样本分布也比较均匀，不需要做数据预处理了，下节课就直接改Dataset类了。

本文链接：http://ichenhua.cn/edu/note/624

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！