我对机器学习和自然语言处理是初学者，我需要基于FAQ数据集创建一个机器人。每个FAQ数据集的Excel文件包含两个列：“问题”和“答案”。

例如，Excel文件中的一条记录（一个问题及其答案）。

问题 – 什么是RASA-NLU？

答案 – Rasa NLU经过训练可以识别意图和实体。训练得越好，识别得越好...

我们有3000多个Excel文件，每个文件包含大约10000到20000条这样的记录。

为了实现这个机器人，我本来会严格按照这个FAQ机器人方法来操作，该方法使用RASA-NLU，但我的组织不允许使用RASA、Chatterbot以及微软的QnA maker。

而Spacy对我来说完美地进行了NER提取，所以我正在寻找使用Spacy创建机器人的方法。但在提取实体之后，我不知道该如何继续进行。（恕我直言，我需要从用户查询中预测数据集中的确切问题（以及来自知识库的答案））

我不知道应该使用哪种NLP算法/ML流程，或者是否有使用提取的NER创建FAQ机器人的更简单的方法。

回答：

实现你的FAQ机器人的一种方法是将问题转化为分类问题。你有问题，而答案可以作为“标签”。我猜测你总是有多个训练问题映射到同一个答案。你可以对每个答案进行编码，以便获得较小的标签（例如，你可以将答案的文本映射到一个id）。然后，你可以使用你的训练数据（问题）和标签（编码后的答案）来训练一个分类器。训练后，你的分类器可以预测未见过的问题的标签。当然，这是一种监督方法，所以你需要从你的训练句子（问题）中提取特征。在这种情况下，你可以使用词袋表示作为特征，甚至可以包括命名实体。这里有一个在spacy中进行文本分类的示例：https://www.dataquest.io/blog/tutorial-text-classification-in-python-using-spacy/