rasa_milktea_chatbot下載 - rasa_milktea

rasa_milktea_chatbot

Ai源碼

1.0.0

下載

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

或 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
  - 卡布奇諾
  and choose 3 sizes
  - 中
  - 大
  - 特大

mini rasa tutorial

建立一個新的項目
查看NLU培訓數據
定義模型配置，寫下第一個故事Story
定義這個故事story的作用域domain
訓練模型
測試你寫好的助手

建立新專案

路徑指向一個新的空白資料夾cd path/to/a/blank/folder

在這個資料夾裡面建立新的rasa專案rasa init --no-prompt

資料夾中將會產生以下的檔案：

__init__.py	空文件用於定位
actions.py	用於定義動作（自訂腳本程式碼）
config.yml	配置NLU和core模型
credentials.yml	連接到其他伺服器的細節（不常用）
data/nlu.md	我的自訂NLU訓練數據
data/stories.md	我的自訂故事stories
domain.yml	助手的定義域domian
endpoints.yml	連接到fb message等的軌道（不常用）
models/.tar.gz	模型及其參數文件

自訂NLU訓練數據

cat data/nlu.md

顯示如下

 # # 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 表示意圖，需要以##開頭，以換行結尾。比如說這裡顯示的是兩個意圖1. 下單，2. 告知奶茶的規格，所有客戶可能會用的說辭都應該放在這裡，用於nlu模型學習怎麼去理解一個人說的話
[value](entity) entity表示實體，value表示實體具體的值，經過訓練後，nlu模型就可以給core模型返回類似這樣的變數： {"type":"奶茶","size":"大"} ，這樣core模型就可以根據type和size這兩個參數做出對應的回應

定義模型配置
1. 設定檔config.yml將定義前面的NLU模組和你的模型會用到的Core元素，這次使用的是來自大神寫好的組件，這裡也強烈推薦大家前往學習https://github.com/GaoQ1 /rasa_nlu_gq
2. NLU的配置屬於決定了使用的語言和管道，Core的policies的關鍵字決定了模型見會使用到的策略policies
3. note: 如果你只是想建立一個chatbot而不想了解太多關於演算法的細節，config.yml可以不用改，直接用
自訂故事
查看寫好的故事
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
```
故事的組成
1. ##開頭表示的是這個故事的名稱，一個描述性的名字
2. 故事以換行結束，下一個故事##開頭
3. *開頭的表示為使用者意圖intent{"entity1": "value", "entity2": "value"}
4. -開頭的表示為機器人執行的動作actions
使用者資訊
1. 在定義故事的時候，不需要知道使用者俱體說了什麼，而是根據NLU pipeline中輸出的意圖intent和實體entity的組合來猜測使用者的所有可能的需求
2. 實體entity是很重要的，因為助手學習動作的時候，需要同時結合這兩者
動作acitons
actions有兩種類型
1. utter_xxx 可以直接回傳要回覆的話術，只需要在domain.yml中說明就可以用了
2. action_xxx 可以執行你想要的自訂操作，除了需要在domain.yml中說明外，還需要在aciton.py檔案中新增。例如你想有一個自訂動作action_HelloWorld
  - 首先把這個自訂動作加到domain.yml的acitons下
```
 actions:
- aciton_HelloWorld
```
  - 然後在acitons.py檔案中新增的類
```
 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 []
```

定義域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