rasa安装和测试

rasa core：对话管理

rasa nlu ：语义理解，意图识别和实体识别

 

git源地址参考：https://github.com/tedljw/rasa_test_ch

 

1. 安装相关组件包

pip install rasa_nlu==0.13.4

pip install rasa_core==0.11.4

pip install rasa_core_sdk==0.11.4

 

2. 安装语料训练工具

yum install npm

npm install -g chatito

图像化的语料生成工具：npm i -g rasa-nlu-trainer

 

3. 准备语料数据，编写需要的格式的语料数据。

rasa_core部分：

stories.md ：编写对话场景流程 （-s）

domain.md ：意图，动作，反馈以及实体和槽，机器知识库。 （-d）

rasa_nlu部分：

nlu_config.yml ：nlu模型算法处理流程 （-c）

data.json ：训练数据 （--data）

 

4. 训练词向量模型，训练rasa_core模型，训练自己的rasa_nlu模型。

训练rasa_nlu：

python -m rasa_nlu.train -c my_config.yml --data data/bank.json --path models

训练rasa_core:

python -m rasa_core.train -d data/bank_domain.yml -s data/bank_story.md -o models/dialogue

运行：

python -m rasa_core.run -d models/dialogue -u models/default/model_20181219-155903/

 

单独运行core：

python -m rasa_core.run -d models/dialogue

测试：

/greet

/ask_money{"money": "人民币"}

 

单独运行nlu：

// 启动服务  

python -m rasa_nlu.server -c my_config.yml --path models //

测试服务：

$ curl -XPOST localhost:5000/parse -d '{"q":我想去柜台取人民币？", "project": "", "model": "model_20180912-202427"}' | python -mjson.tool

 

 

5.语料(data.json )标注平台：

chattio(https://github.com/rodrigopivi/Chatito)用来应对没有数据冷启动时的训练数据，如果有数据建议使用rasa-nlu-trainerr平台标注。

rasa-nlu-trainer -p 10000 --source data/bank.json

 

6.domain.md 编写：

标识	说明
intents	意图
entities	实体
slots	槽
templates	回答模板
actions	动作

 

7.stories.md 编写：

符号	说明
##	story标题
*	意图
-	动作

 

8.自定义 action 添加：

事先需要安装 rasa_core_sdk

action分为3大类：

1.default action：（action_listen，action_restart，action_default_fallback）

2.utter action：以utter_开头的action，用于给用户发送信息。

3.custom action：用户自定义的action

action服务的配置endpoints.yml:

action_endpoint:
  url: "http://localhost:5055/webhook"

在core的运行命令之后加上：--endpoints endpoints.yml

python -m rasa_core.run -d models/dialogue/ -u models/default/model_20181220-110910/ --endpoints endpoints.yml

同时如果你自定义的action文件名叫actions.py，那么，你需要事先运行如下命令启动你的action：

python -m rasa_core_sdk.endpoint --actions actions

action_default_fallback 可用于回滚操作 具体参看fallback actions