Rasa学习记录 01

目录

  • Rasa的安装和简单的测试
    • 什么是Rasa:
    • 安装Rasa:
    • 测试自带的数据
  • 查看项目里的文件内容
  • 举一反三(自己的第一个机器人)

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

Rasa学习记录 01_第1张图片
现在就可以测试自带的简单数据了
Rasa学习记录 01_第2张图片
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

    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
    Rasa学习记录 01_第3张图片

你可能感兴趣的:(Rasa学习记录 01)