rasa_milktea_chatbot下载 - rasa_milktea

rasa_milktea_chatbot

Ai源码

1.0.0

下载

Rasa Milk Tea Chatbot (chinese)

a milk tea waiter chatbot for chinese, if you don't know rasa yet, refer to mini rasa tutorial below

or read the rasa offical docs

installation

you need to download bert_chinese_model and unzip it first: chinese_L-12_H-768_A-12

git clone https://github.com/BI4O/rasa_milktea_chatbot.git
cd rasa_milktea_chatbot
pip install -r requirements.txt -i https://pypi.tuan.tsinghua.edu.cn/simple

quick start
1. start bert server
  
  bert-serving-start -model_dir path/to/chinese_L-12_H-768_A-12/ -num_worker=1
2. jump to milktea
  
  cd milktea
3. start action server
  
  rasa run actions
4. train a model
  
  rasa train
5. talk to your chatbot
  
  rasa shell
  
  you can order 3 different products，more can be added to model yourself
  - 奶茶
  - 咖啡
  - 卡布奇诺
  and choose 3 sizes
  - 中
  - 大
  - 特大

mini rasa tutorial

创建一个新的项目

查看NLU培训数据

定义模型配置，写下第一个故事Story

定义这个故事story的作用域domain

训练模型

测试你写好的助手

创建新项目

路径指向一个新的空文件夹 cd path/to/a/blank/folder

在这个文件夹里面创建新的rasa项目 rasa init --no-prompt

文件夹中将会生成以下的文件：

__init__.py	空文件用于定位
actions.py	用于定义动作（自定义脚本代码）
config.yml	配置NLU和core模型
credentials.yml	连接到其他服务器的细节（不常用）
data/nlu.md	我的自定义NLU训练数据
data/stories.md	我的自定义故事stories
domain.yml	助手的定义域domian
endpoints.yml	连接到fb message等的轨道（不常用）
models/.tar.gz	模型及其参数文件

自定义NLU训练数据

cat data/nlu.md

显示如下

## intent:order
- [奶茶](type)
- [咖啡](type)
- 我想要一杯[奶茶](type)
- 要杯[奶茶](type)
- 有[奶茶](type)吗
- 有[奶茶](type)卖吗
- 想要一杯[咖啡](type)
- 要杯[咖啡](type)
- 有[咖啡](type)吗
- 我想要一杯[卡布奇诺](type)
- 要杯[卡布奇诺](type)
- [卡布奇诺](type)

## intent:inform_size
- [中](size)
- [中](size)的
- [中](size)杯
- [中](size)杯吧
- 要[中](size)杯
- [大](size)
- [大](size)的
- [大](size)杯
- [大](size)杯吧
- 要[大](size)杯
- [特大](size)
- [特大](size)的 
- [特大](size)杯
- [特大](size)杯吧
- 要[特大](size)杯

intent 表示意图，需要以##开头，以换行结尾。比如说这里显示的是两个意图1. 下单，2. 告知奶茶的规格，所有客户可能会用的说辞都应该放在这里，用于nlu模型学习怎么去理解一个人说的话
[value](entity) entity表示实体，value表示实体具体的值，经过训练后，nlu模型就可以给core模型返回类似这样的变量：{"type":"奶茶","size":"大"}，这样core模型就可以根据type和size这两个参数做出相应的回应

定义模型配置
1. 配置文件config.yml将定义前面的NLU模块和你的模型会用到的Core元素，本次使用的是来自大神写好的组件，这里也强烈推荐大家前往学习https://github.com/GaoQ1/rasa_nlu_gq
2. NLU的配置属于决定了使用的语言和管道，Core的policies的关键词决定了模型见会使用到的策略policies
3. note: 如果你只是想建立一个chatbot而不想了解太多关于算法的细节，config.yml可以不用改，直接用
自定义故事

查看写好的故事

cat data/stories.md
```
## order naicha
- order{"type": "奶茶"}
  - slot{"type": "奶茶"}
  - utter_ask_size
- inform_size{"size": "大"}
  - slot{"size": "大"}
  - utter_affirm
  - confirm
  - action_charge
  - utter_goodbye
```
故事的组成
1. ##开头表示的是这个故事的名称，一个描述性的名字
2. 故事以换行结束，下一个故事##开头
3. *开头的表示为用户意图 intent{"entity1": "value", "entity2": "value"}
4. -开头的表示为机器人执行的动作actions
用户信息
1. 在定义故事的时候，不需要知道用户具体说了什么，而是根据NLU pipeline中输出的意图intent和实体entity的组合来猜测用户的所有可能的需求
2. 实体entity是很重要的，因为助手学习动作的时候，需要同时结合这两者
动作acitons

actions有两种类型
1. utter_xxx 可以直接返回要回复的话术，只需要在domain.yml中说明就可以用了
2. action_xxx 可以执行你想要的自定义操作，除了需要在domain.yml中说明外，还需要在aciton.py文件中添加。比如你想有一个自定义动作action_HelloWorld
  - 首先把这个自定义动作添加到domain.yml的acitons下
```
actions:
- aciton_HelloWorld
```
  - 然后在acitons.py文件中添加新的类
```
class YourCustomAction(Action):
    def name(self):
        # 这个返回的值必须和stories.md和domain.yml中说明的一致
        return "action_HelloWorld"
    def run(self,dispatcher,tracker,domain):
        # 定义这个动作要执行的你想要的操作
        # 比如我想在对话中返回给用户的是HellowWorld!
        dispatcher.utter_message('HelloWorld!')
        return []
```

定义域domain

cat domain.yml

intents:  
  - greet:
    triggers: utter_greet
  - goodbye:
    triggers: utter_goodbye
  - confirm
  - deny
  - order
  - thanks
  - inform_size
  - unknown_intent
   
actions: 
  - utter_greet
  - utter_ask_order_what
  - utter_ask_size
   
entities:
  - type
  - size

slots:
  type:
    type: text
  size:
    type: text
   
templates:
  utter_greet:
    - text: "你好"
  utter_ask_order_what:
    - text: "想要喝点什么？"
  utter_ask_size:
    - text: "想要什么规格的呢？我们有中/大/特大杯"

其中