yubuyuabc / RasaChatBot-1

基于RASA3.0+搭建的中文对话系统

OverView

一个基于Rasa3.0+的中文对话机器人, 一方面支持知识问答，另一方面支持智能闲聊

创建项目一般步骤

1. 初始化项目(rasa init);
2. 准备NLU数据(data/nlu.yml);
3. 配置NLU模型。
4. 准备故事数据(data/stories.yml);
5. 定义领域(domain.yml);
6. 配置rasa core模型；
7. 训练模型；
8. 测试机器人；

项目快速启动

1. rasa data validate [对标注数据进行检查]

    用法: rasa data validate [-h] [-v] [-vv] [--quiet] [-d DOMAIN] [--data DATA]
    
    可选参数: 
     -h, --help     显示帮助消息并退出。
     -d DOMAIN, --domain DOMAIN
                    域规范(yml文件)。(默认:domain.yml)
    --data DATA     包含Rasa数据的文件或目录。(默认:data)  
    
    Python日志选项:
     -v, --verbose  详细输出。将日志记录级别设置为INFO。(默认:None)
     -vv, --debug   打印大量的调试语句。设置日志记录级别为 DEBUG。(默认:None)
     --quiet        将日志记录级别设置为WARNING。(默认:None)
   

2. rasa train (train both nlu and core) [同时训练NLU模块和Core模块]

3. rasa run actions (optional) if you redefined actions [如果没有定义actions，这个步骤可以跳过]

4. rasa run -m models --endpoints endpoints.yml (run the rasa bot) [或者直接运行rasa run]

5. rasa shell (interactive with chat bot) [与训练的机器人交互]

6. rasa evaluate markers all out.csv (evaluate chat bot) [评估部分，前期可略过]

学习资料

1. 官方文档
2. YouTube官方视频
3. 快速入门讲解英文
4. 快速入门项目中文

下一步工作

Entity

1. 对于明确的实体进行定义，并且作出有针对性的回答。

Action

1. 进行数据校验, 和数据交互，采用MySQL存储FQA数据，通过接口实现功能分离；
2. 与数据库(Neo4j)进行交互.

Tokenizer

1. 自定义分词器，实现实体边界的覆盖；

Interactive Learning

1. 交互式学习，提供反馈并修正错误；

Deploy

1. 模型部署与负载均衡；
2. 服务访问方式。