Este é um robô de chamada de saída usado para visitas de retorno de seguros. Apenas a parte central do robô de texto é mantida neste projeto. O processo funcional principal é o seguinte:
Este projeto reescreve a estratégia de resposta do diálogo com base em máquinas de estados finitos baseadas em rasa. Deve ter algum significado de referência para amigos que desejam construir robôs de texto.
Configuração, você pode modificar o pipeline no arquivo confg.yml. Para o método de configuração específico do pipeline, consulte o site oficial do Rasa https://rasa.com/docs/rasa/model-configuration.
A seguir está um exemplo de configuração de dois componentes personalizados:
Estratégias de resposta ao diálogo baseado na memória
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"
Ou baseado em máquina de estados finitos (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"
trem
python main.py train
correr
#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)