一个基于Rasa3.0+的中文对话机器人, 一方面支持知识问答,另一方面支持智能闲聊
- 初始化项目(rasa init);
- 准备NLU数据(data/nlu.yml);
- 配置NLU模型。
- 准备故事数据(data/stories.yml);
- 定义领域(domain.yml);
- 配置rasa core模型;
- 训练模型;
- 测试机器人;
-
rasa data validate [对标注数据进行检查]
用法: rasa data validate [-h] [-v] [-vv] [--quiet] [-d DOMAIN] [--data DATA] 可选参数: -h, --help 显示帮助消息并退出。 -d DOMAIN, --domain DOMAIN 域规范(yml文件)。(默认:domain.yml) --data DATA 包含Rasa数据的文件或目录。(默认:data) Python日志选项: -v, --verbose 详细输出。将日志记录级别设置为INFO。(默认:None) -vv, --debug 打印大量的调试语句。设置日志记录级别为 DEBUG。(默认:None) --quiet 将日志记录级别设置为WARNING。(默认:None)
-
rasa train (train both nlu and core) [同时训练NLU模块和Core模块]
-
rasa run actions (optional) if you redefined actions [如果没有定义actions,这个步骤可以跳过]
-
rasa run -m models --endpoints endpoints.yml (run the rasa bot) [或者直接运行rasa run]
-
rasa shell (interactive with chat bot) [与训练的机器人交互]
-
rasa evaluate markers all out.csv (evaluate chat bot) [评估部分,前期可略过]
- 对于明确的实体进行定义,并且作出有针对性的回答。
- 进行数据校验, 和数据交互,采用MySQL存储FQA数据,通过接口实现功能分离;
- 与数据库(Neo4j)进行交互.
- 自定义分词器,实现实体边界的覆盖;
- 交互式学习,提供反馈并修正错误;
- 模型部署与负载均衡;
- 服务访问方式。