【小贝出品】定制你的对话机器人 - 基于RASA搭建

【小贝出品】定制你的对话机器人 - 基于RASA搭建

 

源代码 Hands on Setting Up Develop Environment

Open Custom Connector More Concept 工程上的处理

• Tracker Store

• Event Broker

• Model Storage

• Chitchat and FAQs Asignment 自己的机器人，并且使用active serve去实现对话机器人天气查询功能

RASA

• What's the weather like tomorrow

• nlu- DM对话管理（RASA中叫core）拿出来是action-送到NLG（生成对话语言）

• intent（weather query）

• entity （tomorrow）实体，与slot区别

变成slot存储到对话机器人当中，slot和entity内容是一样的，slot是一个记忆，保存到记忆当中

core模块，RASA中是用story描述的对话流程，一个intent，对话机器人做什么样的action

两种情况让有slot：

1. 从用户说的话当中识别实体

2. 作为程序员在代码中注入进去

Setting up Rasa Source Code

Rasa代码写的非常好，不仅是对话机器人；很多工程上的，比如如何写代码，如何写规范的代码；都很值得学习 工程师的艺术感，工匠精神：不仅仅实现功能，同样让代码具有美感；自己写起来也会非常享受，不是搬砖拼凑起来实现功能，而是设计艺术品，值得品鉴的东西。所以学习Rasa工程上的知识

用poetry做包管理，可以把项目需要哪些包，这样的文件记录好，是更先进的包管理工具

1. 把包下载之后， python get-poetry.py

2. pycharm提供了类似anaconda的工具，可以去管理poetry去管理环境；但不是官方默认，需要安装第三方插件 poetry.lock记录了其依赖的包

• poetry install 会自动把其以来的包全都安装好；不像用pip和anaconda是基于pip和anaconda版本来判断；而poetry完全是一致的，类似于yarn和npm；不会出现版本冲突的问题；这也是为什么Rasa选用它做管理。会自动检测到当前项目下面需要的第三方包，并自动升级和补充缺少的包。出现网络问题：科学上网或多上几次

• 你可以贡献给Rasa也可以贡献给xbot，xbot也是用poetry做包管理

• poetry和pip不一样的是，它添加包的时候不是install 而是add poetry add fastweb

• poetry和anaconda不冲突，是类似的东西，区别就在于管理机制不太一样

每个环境都隔离的，A环境安装的包，B环境也没有，（anaconda虚拟环境里的包，在pycharm里面配置，显示不出来）anaconda和poetry都是这样。区别在于anaconda会依赖于一系列其他的包，会有内部版本的机制，选择哪个版本去安装；而poetry完全按照用户怎么去定义

 

Optimize NLU

• 每一个管道都串起来、连起来；串行的、管道式的；

• 用户的一段话- componentA第一个组件- ComponentB- ComponentC；将来可以自己开发自定义的component

• 整个过程是为了寻找到intent和entity

• 

1. 让对话机器人理解能力先提升，理解的程度在于识别intent更准确，识别entity也更准确

2. NLU的过程其实是通过pipeline机制去做的，pipeline机制会有很多类的名字，这些类的名字是怎么回事呢？

我感觉rasa训练很快，其实Rasa用了预训练模型 接口类：

1. 在定义pipeline时结构就是串行结构

2. 在pipeline又封装了几种概念，用哪些种方法去做事情。因为分的很细，能看字面意思（比如Tokenizer），把nlp里常规操作流程通过pipeline形式定义了出来

分词：WhitespaceTokenizer 用空格符做分词（对中文来讲没有任何用处；中文- JiebaTokenizer，供中国用户使用nlu功能）

• MitieTokenizer 常用的包，提供了一些分词、实体抽取、文本分类的方法，更多的使用于英文场景

• SpacyTokenizer，也是非常好用的nlp库，但是官方不支持中文、 去找，用它的方式去加载，可以指定一个模型，把那个模型加载尽量；使用Rasa时用jieba做分词

对话机器人涵盖了nlp所有东西目前中文分词工具最好的：hanlp，也是xbot里使用的工具 

featurizer 把中文转换成embedding的形式

• SpacyFeaturizer

• ConveRTFeaturizer被废弃

• LanguageModelFeaturizer语言模型当成模型的一个feature；如果能找到中文LanguageModel，pre-train的模型（如bert，支持bert

），是可以的

 

• RegexFeaturizer 定义一句话，会用正则去描述这句话，把正则当成feature，试图学习到语言的信息；只对英文又好的作用，对中文反而把nlu搞得很惨，反而识别不到

• CountVectorsFeaturizer n-gram 不能配置

• LexicalSyntacticFeaturizer 把语法信息加进去，能否得到比较好的分类；英文友好，中文不友好 能用的可能就俩

 

Improve NLU- Pipeline Approach

一）Intent Classifiers 意图分类；也提供了一些可选择的组件 通常的选择：

• MitintentClassifier 不推荐，麻烦

• SklearnIntetnClassifier 适用于数据量小，优点就是速度快，需要的数据不多

• KeywordIntentClassifier 关键字，去对应到意图上，回到传统时代，通过规则识别到某些关键字，用处不太大

• DIETClassifier Rasa默认到Classifier，使用dual intent entity transformer；讲到模块，每一个模块，会结合rasa每一个模块去讲；推荐！后面讲nlu模块会详细讲解

FallbackClassifier

一方面识别到，另一方面没识别到，不在intent范围内，主要帮我们解决，如果只写了很多意图，但是用户说的话确实不在intent里面，对用户不友好，fallbackClassifier先识别一下意图是否在定义的意图空间里面，在的话再用别的classifier；不在的话就告诉不支持：作为异常情况引导的分类

Q：这些classifier是模型吗？

- 对，就是一些深度学习的模型 

Q：Fallbackclassfier是与其他分类方法独立的还是包含的？

是先要用fallback然后再用其他分类方法DIETclassfier-先做是否在意图空间内，

通常放在前面一些，先做fallback识别，再做其他识别

Rasa自己不做训练，都是用开源模型 end2end：问题--空间太大，完全基于语料做生成，不可控；因为对话机器人要跟用户接触，不可控，所以工业界不用，在研究领域比较热，最后一节课会讲一讲end2end模型

二）实体识别

• ……

• SpacyEntityExtracter

• 

• 有人名、国家名、建筑名……看需要识别哪些实体，写到里面去，如果不写的话，默认全部都识别；但是全部都识别，会导致模型相对慢一些；如果能定义好自己的空间，模型相对快一些。不支持中文

• CRFEntityExtractor

• DucklingTHTTExtractor

• DIETClassifier 不仅仅把分类做完，同时把实体识别也做出来，联合joint，这种模型任务更难，准确率更精准 Combined Intent Classifier 既能得到entity也能得到intent。支持中文以上是nlu的一些组件，components；通过pipeline把它们串起来，更好地

Choosing the Right components 怎么选择正确的组件（best practice） 对于中文的用户，可选择不多 对于英文用户，优先选择spaceTokenizer

选择feature主要方式是看数据量

此图帮助选components组件： 

1）先看是否有pre-train模型 

2）对应language model 

3）一句话是否有两个意图的情况；

 4）如果没有，有没有专业领域的词，domain specific terms 专业词，pre-train的模型 embedding并没有做很好，很多这样的专业名词，

 5）有没有很多这样的数据，有没有用深度学习的方式去做，如果没有那么多数据去训练专业名词，则用sklearn

Intent Recognition常见问题 :

1） lack of training data

2) out-of-vocabulary words 并没有见过用户所说的词（生词），第一种方法是增加语料，使语言模型泛化能力更强；第二是使用embedding/pre-train的模型，已经学习到语言里面的特性，有相对好的泛化能力，大量减少oov现象 

3）similar Intents 定义意图意思太相近，导致分类的不准确，碰到这样的情况，首先看能不能把这两种分类做合并，成一个意图，看看能否在实体部分做区分；在设计意图的时候去考虑 4）skewed data 容易出现数据不均衡；模型偏向于语料比较多的意图；不要出现语料不均的问题

 Q：多少语料算多，多少算少。

--比如先十条，baseline，看是否能达到要求，比如都能达到80%以上，可以先分享出去，给到测试人员，让测试人员做测评工作；不停迭代，同时收集很多很多语料，语料越来越多。然后上线去做，线上又收集到很多数据，再去做，不停迭代

Q：rasa如何使用？

看entity实体是否是有限的集合，如果是有限的集合，使用lookup table，是有限的空间内，是枚举型的，如果没有这些则用NER/CIF, 帮我们做意图的分类和抽取

Q：数据不均衡要做不均衡学习吧，数据增强的一些方法，Smote ADASYN之类的 

A：数据增强肯定是解决数据不均衡的方法；但是在对话里做数据增强是比较难的-- 超纲，后面讲，先按Rasa讲

Custom Components自己去写

需要把模块名加到pipeline里，类路径的名字，去写component

再查再问 怎么做inference，分类entities，转换成rasa期待的一种格式；还有persist怎么存储训练好的格式，save成各种各样的文件，如何save如何做持久化；load如何加载，按照tensorflow和按照？？存的load方法完全不一样

Q：自己写component有例子吗？

• 实现的是情感分析的component，依赖于entity，language_list

• train如何train，用了nltk（微软的库）做朴素贝叶斯训练

• 然后process怎么做推理工作，预测的过程

• 得到的结果，之后做convert to rasa，支持json格式，输出给到下一个component，就是通过这样的标准格式一步一步去传递

• json_pickle去做持久化，有了持久化之后怎么做load，用反序列化加载出来，读到模型里面去

以上一系列过程都是怎么去优化NLU

 

Expand your NLU Data 

一）更好的模型

二） 更多的数据：https://rasa.com/docs/rasa/generating-nlu-data

三）Share your Bot to More people把你的对话机器人分享给更多的人 

四）NLU Data Augmentation 数据增强，可以做nlu的data augmentation 

五）Reinforce Learning 可以生成一些数据，从而帮我们产生更多的数据

怎么把数据分成训练集和测试集，按照20%和80%比例分成训练集和测试集rasa data split nlurasa versiontrain_test_split 就是80% 20%分开，用test数据集做测试 在调nlu过程中有一个命令很重要： 

rasa shell nlu

• 使得我们可以单独测试nlu模型性能是否ok，能否按照我们想要的把用户意图和实体都抽取出来

• 字典就是component返回的字典

• 把“你好”分类的类别，分类到great，每一个分类置信度

• 可以不停地测，比如输入“你好吗”，这个是greet；

• “你吃了吗”，在train里没有但是仍然得到90%+置信度的greet还是很不错的

• 

“台北的天气好吗”

entity也出来了 怎么变成slot？此时需要在domain里面，在slot下面写上entity的名字，influence_conversation是否影响对话：通常不影响False，后续在slot里面就能拿

policy模块所做的事情？写比较多，会比较慢，是并行的，不是串行的，选择置信度最高的结果作为下一个action 当所有policy都预测到同一个confidence，priority优先级是在源码里定义的，先执行rulePolicy再执行……最后TEDPolicy，是深度学习带记忆的policy

DM模块会讲具体的算法，是Facebook出的一篇论文，借鉴了Facebook论文做的工作，就叫TED Policy，得到SOTA结果--可以搜一下论文

有发论文需求可以加入xbot里面去；中文的rasa

epoch训练多少轮，取决于story

• max_history TEDPolicy会记住上下文的信息，然后做判断，max history记忆上下文，是记忆多少轮；有些对话场景是任务的对话场景，平均来看三轮可以完成的任务，如果记录的是十轮对话场景，就不值得这么大的值；默认是max_history轮次，实际往往不需要这么多 number_of_transformer_layer 用多少层的transformer做这个事情，需要研究算法

• Memoizaiton Policy 更多是依据规则；可能会产生超出story范围之外的结果；可以用memorization的方式去做，可以匹配intent action去走，没有泛化能力

生成下面的action，只是规则带来的泛化性，不是算法带来的泛化性

• rule-based policies是完全规则的形式 主要用来讲nlu的时候，可以定义很多rule

 

custom Policies

policy也是可以自定义的

先不讲，后面真正讲policy算法的时候再讲，放到rasa框架里自己实现policy

以上是模型方面， 数据方面：如何获取更多的story，同nlu：

1. Share your Bot to More people

2. Stories Data Augmentation

3. Reinforce Learning

Action

对话机器人需要查接口，才能做查天气的工作 action_ 与前面是一致的 rasa知道你在，在此方法里用这样的方式，查询天气的逻辑写出来即可 写完这样的东西之后，要执行 rasa run actions微服务概念，每一个action都是一个单独的服务，每一个action就可以多布置几台，这时候就会启动服务，就跑在了5055端口上，rasa就会在命中了number_form

就会进到run里面，做实体识别的时候已经拿到，tracker就是在rasa里定义的关于记忆的东西，叫记录仪，去get_slot，拿到命名的city的slot，找到比如“台北”，然后就可以去调第三方接口，把台北传进去，然后通过dispatcher，rasa的action server 跟rasa交互的工具，然后就会跟用户说这句话，

return 返回的是事件--**是在Rasa系统里与Rasa交互的东西 [AllSlotReset]**词槽信息都清空

 

 

Events

都被表征成一系列事件/暗号

1. SlotSet 想给slot里填一个值，都通过event机制去与rasa交互

2. reminderScheduled 比如小度音响，明早八点叫我起床，在某一个时间点去做一个事情，等到那个时间就会响应某一个action

3. ReminderCancelled 能创建一个日程，还能取消一个日程，通过这样一个slot告诉把event取消掉

4. UserUtternceReverted

5. ActionReverted重复一个action，可能有些场景会用到

6. Restarted重启整个对话机器人，用到的场景比较少

7. SessionStarted 重新开启一个session，要把当前slot都忘记，除非设置一个全局slot

8. BotUttered bot度用户说了句什么话 the texter sent to the user

目前看rasa里events这个系统是不完善的，将来想要做扩展的地方，也是我们需要在xbot里实现更多场景的一个地方

 

 Knowledge Base Actions 

如何做KBQA 用知识库回答用户问题

如何实现上图查询过程？只要写一个json文件，按照这样的格式

一些key-value对， using Action kb

Leverage information

“the first one”要知道指代的是第一个

怎么构建数据集 拿到这个实体，就能够自动找到返回的第一个

• 需要在语料里标注的，value是restaurant，就能找到要从哪个restaurant里拿数据，要在语料里定义好这个东西

• 第二个是mention，指代消息，the first one, the second one

• attribute: 就是在数据库里的一些信息，就会自动去找price-range，从属性里去拿，返回一句话

接下来你写的action server是什么样子的

继承ActionQueryKnowledgeBAse

可以自动帮我们做查询，做查询的query，再返回信息

以上就是配置过程，先配语料，entity slot在domain里定义好，把action写到story里面去，关于知识库的查询动作就可以实现了

Q：：FormAction不太明白原理

定义的比action复杂些 首先action name，有name才嫩写到story里面去 表单，填一些类别，电话号码，电话号码的数值，要查询哪些业务，做提交，提交完之后要做哪些回复，做哪些操作

 Q：action是从哪里定义获取的slot的

action会把tracker（rasa里的信息）当作参数传递进来 把entity当作slot永久记忆下来

 

rasa后端是tf，没用pytorch

conditional 带有条件的方式 天气查询的接口

 

 

更多资料

 

https://github.com/RasaHQ/rasa

https://github.com/RasaHQ/rasa-demo

https://github.com/sfrpl/rasa-chatbot

https://zhuanlan.zhihu.com/p/75517803

 

 

推荐阅读

1.图神经网络 - 图与图学习（二）

2.pyspark - pyspark的语法

3.强化学习教程：从DPG到DDPG的原理及tf代码详解

 

 

加入微信学习交流请扫描助手二维码：