Dies ist ein Roboter für ausgehende Anrufe, der für Rückbesuche bei Versicherungen verwendet wird. In diesem Projekt wird nur der Kernteil des Textroboters beibehalten. Der Kernfunktionsprozess ist wie folgt:
Dieses Projekt schreibt die auf Rasa basierende Dialogantwortstrategie neu. Es sollte eine gewisse Referenzbedeutung für Freunde haben, die Textroboter bauen möchten.
Zur Konfiguration können Sie die Pipeline in der Datei confg.yml ändern. Informationen zur spezifischen Konfigurationsmethode der Pipeline finden Sie auf der offiziellen Rasa-Website https://rasa.com/docs/rasa/model-configuration
Das Folgende ist ein Konfigurationsbeispiel für zwei benutzerdefinierte Komponenten:
Gedächtnisbasierte Dialogreaktionsstrategien
policies:
- name: policy.memoization.MemoizationPolicy
- name: TEDPolicy
max_history: 20
epochs: 15
batch_size: 50
- name: RulePolicy
core_fallback_threshold: 0.3
enable_fallback_prediction: True
core_fallback_action_name: "action_default_fallback"
Oder basierend auf einer endlichen Zustandsmaschine (FSM)
policies:
- name: policy.fsm_policy.FsmPolicy
- name: TEDPolicy
max_history: 20
epochs: 15
batch_size: 50
- name: RulePolicy
core_fallback_threshold: 0.3
enable_fallback_prediction: True
core_fallback_action_name: "action_default_fallback"
Zug
python main.py train
laufen
#开启动作响应服务器,默认5055端口
python main.py run actions
#开启对话shell,如果使用pycharm注意勾选emulate terminal
python main.py shell
#第一句请输入内置意图:开始
Your input:开始
six~=1.16.0
rasa~=3.1.0
zlib~=1.2.12
tqdm~=4.64.0
pip install -r requirements.txt
rasa run -m xx.tar.gz(模型文件) -p 8787(端口号)