Rasa学习记录 01

Rasa的安装和简单的测试

怪雨是新手，刚刚接触Rasa，以下内容不一定正确。有错误的地方欢迎指出。

什么是Rasa：

​ 我的理解是一开源的机器学习框架用于AI助手和机器人。基于两个主要的模块

• NLU：自然语言理解（Natural Language Understanding，简称NLU）技术
• Core:核心 保存对话并决定下一步做什么

安装Rasa：

怪雨的系统：manjaro18+kde

安装前先更新同步数据库：sudo pacman -Syy

系统已经安装过以下内容的，可以跳过这一步（这一步也只是确保不会因为缺少什么而报错）

​ - 安装pip3sudo pacman -S python-pip

​ - 安装相关的依赖的python3的库pip install numpy pandas jieba sklearn

安装Rasa和Rasa-x 并初始化Rasa

​ pip install rasa-x --extra-index-url https://pypi.rasa.com/simple

​ rasa init
​ rasax就是Rasa 带界面的工具安装后终端运行rasax会自动弹出浏览器进入Rasax界面

测试自带的数据

现在就可以测试自带的简单数据了

不过对话要按照自己编写的stories来对话

输入/stop就能推出Rasa shell

输入Rasa shell就能再次进入对话!

---

查看项目里的文件内容

1. 创建一个项目：

   ​ rasa init --no-prompt 不加后面的--no-prompt的话会详细的问你需要设置什么

2. 查看训练数据

   1. 可以通过cat data/nlu.md来查看 （以下是markdown的格式）

   ## intent:affirm
   - yes
   - indeed
   - of course
   - that sounds good
   - correct
   
   ## intent:deny
   - no
   - never
   - I don't think so
   - don't like that
   - no way
   - not really

   ​ ##后面是intents(意图) 就是以下的几条消息所要表达的意图

   ​ -后面跟的就是消息了

   ​ 意思就是把这一组消息都是这一意图

3. 为你的模型配置

   你可以通过cat config.yml来查看配置文件

   # Configuration for Rasa NLU.
   # https://rasa.com/docs/rasa/nlu/components/
   language: en
   pipeline: supervised_embeddings
   
   # Configuration for Rasa Core.
   # https://rasa.com/docs/rasa/core/policies/
   policies:
     - name: MemoizationPolicy
     - name: KerasPolicy
     - name: MappingPolicy

   这些文件定义了你这个模型会使用的NLU和CORE组件

   NLUpipeline的选择:

   • 如果训练样例小于1000的 使用pipeline: "pretrained_embeddings_spacy"

   • 如果训练样例大于1000的 使用pipeline: "supervised_embeddings"

     以上两个是最重要的两个pipelines

4. 编写自己的第一个Stories

   这个文档是教你的助手如何去回应消息的

   strories就是机器和用户的对话，core models通过真实的对话学习来训练自己。

   同样cat data/stories.md查看一下里面的内容（截取部分）

   ## happy path
   * greet
     - utter_greet
   * mood_great
     - utter_happy
   
   ## sad path 1
   * greet
     - utter_greet
   * mood_unhappy
     - utter_cheer_up
     - utter_did_that_help
   * affirm
     - utter_happy

   *greet * 后面的是用户发送的消息（语句的意图或是实体）

   - utter_greet - 后面是action （机器人需要执行的操作，可以是回一段消息或是自定义操作）

   ​ action中如果是回消息的话需要 回话必须要以utter_开头且与domain里面定义的一致

   ​ 如果是自定义操作虽然没有强制要求不过最好以action_开头

   ​ action这里还大有内容，后面学习了更新到后面的文章

5. 定义一个Domain

   [^]: 这里说域的话好像不太合适 保留英文Domain吧

   老样子查看cat domain.yml

   intents:
   - greet
   - goodbye
   - affirm
   - deny
   - mood_great
   - mood_unhappy
   templates:
     utter_greet:
     - text: Hey! How are you?
     utter_cheer_up:
     - text: 'Here is something to cheer you up:'
       image: https://i.imgur.com/nGF1K8f.jpg
     utter_did_that_help:
     - text: Did that help you?
     utter_happy:
     - text: Great carry on!
     utter_goodbye:
     - text: Bye
   actions:
   - utter_greet
   - utter_cheer_up
   - utter_did_that_help
   - utter_happy
   - utter_goodbye
   

   intents	你期待用户说的话（意图）
   actions	机器人能做的和能说的
   templates	机器人回话模板

6. 训练模型

   每次一的更新内容，我们都需要重新训练我们的模型

   执行下列代码

   rasa train
   echo "Finished training."

7. 与机器人对话

   执行rasa shell

---

举一反三（自己的第一个机器人）

1. 修改 data/nlu.md 中加入中文

   截取内容如下

   ## intent:affirm
   - yes
   - indeed
   - of course
   - that sounds good
   - correct
   - 是的
   - 当然
   - 正确

2. 修改cat config.yml的内容

   把language: en 改为 language: zh

3. 修改domain.yml内容

   修改templates: utter 的text的文本内容

   templates:
     utter_greet:
     - text: 嗨！生活还好吗
     utter_cheer_up:
     - text: '希望这张图片能让你心情有所好转:'
       image: https://i.imgur.com/nGF1K8f.jpg
     utter_did_that_help:
     - text: 对你有帮助吗?
     utter_happy:
     - text: 加油!继续!
     utter_goodbye:
     - text: 再见

4. 尝试训练

   rasa train

5. 运行

   rasa shell