Rasa框架下的知识图谱问答系统实现指南

资源摘要信息:"本资源为一个基于Rasa框架的知识图谱问答系统，使用Python语言开发。它实现了多轮和单轮问答功能，具有实用性和教育意义。本资源包含源码、操作说明文档以及配置文件，适合作为计算机相关专业的学生、老师和企业员工的学习和研究使用。同时，也适合新手进行学习和进阶，或者作为毕业设计、课程设计、作业和项目初期演示使用。" 知识点详细说明如下： ### 一、环境准备 在开始之前，需要配置好开发环境。本项目默认使用的环境是Ubuntu 20.04，使用conda管理Python环境，并且Python版本为3.6。 ### 二、安装数据库 #### 2.1 Neo4j数据库安装与配置 Neo4j是一种高性能的图形数据库，用于存储知识图谱中的数据。使用Docker命令安装Neo4j数据库，指定端口和数据存储目录，并且设置环境变量以便不需要登录认证即可进入数据库。安装后，使用Python脚本`build_medicalgraph.py`将数据集灌入Neo4j数据库。 #### 2.2 Redis数据库安装与配置 Redis是一个开源的内存数据结构存储系统，用作数据库、缓存和消息中间件。本资源建议安装Redis数据库，并且不设置账号和密码。使用Docker命令配置和运行Redis服务。 ### 三、软件环境 #### 3.1 Python环境配置 安装Python依赖包是本项目的另一个重要步骤。具体版本要求如下： - `py2neo==2021.1.5`：用于与Neo4j数据库交互的Python库。 - `rasa_sdk==1.3.3`：Rasa的SDK库，用于开发自定义动作。 - `redis==3.3.11`：Python的Redis客户端库。 - `rasa==1.3.1`：Rasa框架本身。 - `requests==2.27.1`：用于发送HTTP请求的Python库。 ### 四、训练 #### 4.1 Rasa模型训练 Rasa提供了多种训练模型的方法，例如同时训练NLU（自然语言理解）和Core（对话管理）模块，单独训练NLU或Core模块。可以通过以下命令进行模型训练： - `python -m rasa train`：同时训练NLU和Core模块。 - `python -m rasa train core`：单独训练Core模块。 - `python -m rasa train nlu`：单独训练NLU模块。 ### 五、执行交互 #### 5.1 启动Actions服务 Rasa框架中的Actions用于执行对话中的具体任务，如与数据库交互、调用API等。启动Actions服务的命令如下： - `python -m rasa run actions --port 5055 --actions actions --debug`：启动Actions服务。 #### 5.2 启动Rasa Shell进行交互 使用Rasa Shell可以直接与训练好的模型进行交互，测试问答功能： - `rasa shell --endpoints conf/endpoints.yml`：启动Rasa Shell。 #### 5.3 启动Rasa服务请求API 为了支持其他系统调用Rasa问答系统的API，可以使用以下命令： - `rasa run --enable-api --cors * 5005`：启动支持API的服务。 ### 六、使用说明 - 本资源已经经过测试，确保功能正常。用户可以放心下载使用。 - 本项目适合作为计算机相关专业的课程作业、课程设计、毕业设计等。 - 用户可以根据自己的基础对代码进行修改，以实现其他功能，或直接用于作业、毕设等。 ### 七、相关文件说明 - `项目操作说明.md`：包含详细的项目操作说明。 - `build_medicalgraph.py`：用于构建医疗知识图谱的Python脚本。 - `actions.py`：定义了Rasa中可调用的Actions。 - `request.py`：一个示例脚本，展示了如何使用Rasa的API发送请求。 - `__init__.py`：项目的初始化文件。 - `conda.txt`：记录了conda环境配置信息。 - `requirements.txt`：列出了项目依赖的Python包及其版本。 - `tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl`：TensorFlow的Python包，虽然在此项目中未直接提及，但在进行深度学习或机器学习时可能会用到。 - `endpoints.yml`：配置文件，定义了服务端点。 - `domain.yml`：定义了对话域，包括意图、实体、动作等。 - `config.yml`：Rasa配置文件，定义了NLU管道、策略等。 - `data/`：包含训练数据的目录。 以上知识点详细介绍了本资源的各个方面，包括环境配置、数据库安装、软件环境搭建、模型训练、交互执行以及相关文件说明，旨在帮助用户更好地理解和使用该资源。