Rasa Core 聊天机器人对话管理

Rasa Core

RasaCore 是一个用来处理对话流程的框架。https://core.rasa.ai/，下文将对基本流程及使用方式以及部分原理进行描述，本文来自http://lvchongstudio.top/。

Rasa Core 工作原理

智能机器人是人工智能一个重大分支，只能机器人包括几大模块：自然语言识别（ASR）、自然语言处理（NLU）、对话管理(DM)、自然语言生成（TTS），目前自己的工作涉及的方面主要是 NLU 与 DM，本文主要写一下DM，即Rasa Core，关于 NLU 在另一篇博客记录。

具体流程：

• 从Rasa Nlu或其他自然语言理解框架，获取训练好的意图识别模型。（这个主要是用来识别用户要问什么，即细分出用户的当前一句话的意图）
• 编写一个文件 domain.yml 用来放置所有的意图名字、 所有用来回答的意图的名字 和 每个回答意图的回答语句（这个主要是用来声明这个项目支持用户问哪类问题，声明能做出哪种回答， 以及部分不涉及逻辑，可以直接回答的问题）
• 编写另一个文件 stories.md 见名知意，这里用来存放剧本。（以简单的格式将上一个文件的问题与回答建立关系形成各种剧本）
• 接下来就是用上面的两个文件，训练出 Rasa Core 的模型。
• 最后，这就到最后了，使用Rasa Nlu 的模型、 Rasa Core 的模型，这两个模型就可以开启服务。
• 哦，这才是最后，现在就可以根据剧本做一些问答了。

看完自己写的工作原理，发现真的很简练，哈哈，根本不能上手使用。总要写的完全一些，深入一些的。

Rasa Core 项目使用方法

github 上面搜索 Rasa_Core，具体安装方式参见项目介绍。建议将整个项目源码拉下来，在项目的根目录运行

python setup.py install

进行安装。Rasa Nlu 同理。可以先根据项目里自带的example进行训练运行。具体运行方式见项目及Demo中的Makefile。

Rasa Core 深入了解

• NLU 问题中提取出的参数可以在回答中以类似如下例句形式出现。（“我没听过{news}，最近没有了解过新闻。”）
• 涉及到逻辑的回答可以在代码中很简单的实现，实现方式见官方文档。
• 以上两种为回答的形式，并支持回复多媒体（即音视频、图片、gif等），支持同时回复多条。

有什么错误欢迎指出，其他的具体问题也可以在评论中留言。