rasa NLU＋CORE 搭建自己的智能客服

在簡單問答的基礎上擴展bots的開源機器學習工具 -構建優秀的對話AI。

rasa會話處理流程

獲取用戶輸入的對話信息；

使用rasa_nlu已經訓練好的模型，判斷意圖和提取實體；

實體填充會話的slots，構建會話的上下文；

使用rasa_core已經訓練好的會話模型，根據意圖預測下一步的動作，並給出回答；

選擇回答內容，發送給用戶。

rasa NLU的訓練數據包括哪些內容，可參考官方文檔，這裡簡要說明一下。

意圖：樣例的想要問的問題；

樣例：用戶可能會問的話；

實體：樣例中的名詞、動詞等，也即是回答的依據、關鍵詞；

同義詞：實體的不同表述；

正則表達式：某類具有共同特徵的詞，比如郵編、電話號碼、Email等。

命令：python -m rasa_nlu.train

還需要設定一些參數，可查閱文檔。

rasa CORE的會話訓練數據，簡要說明。

domain.md

意圖

實體

slots

actions列表

actions對應的回答

stories.md(stories.json)

意圖

action動作：對應某個意圖應該採取的動作名稱

命令：python -m rasa_core.train

還需要設定一些參數，可查閱文檔。

由於rasa中文支持需要用到jieba分詞、sklearn+mitie實體提取等，因此需要在訓練時配置正確的pipline，並且需要預先訓練好的mitie的extractor_zh.dat。

rasa官方的網址：https://rasa.com/。若想深入的了解rasa構建中文chatbot，可以留言。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！