没有合适的资源?快使用搜索试试~ 我知道了~
首页rasa_nlu和rasa_core官方文档阅读笔记.pdf
rasa_nlu和rasa_core官方文档阅读笔记.pdf
需积分: 50 685 浏览量
更新于2023-05-25
评论
收藏 1.24MB PDF 举报
自然语言处理对话构建框架,有很详尽的中文介绍,rasa的官方笔记,中文是翻译结果。。。。。。。。。。。。。。。。。。。。
资源详情
资源评论
资源推荐

Rasa_nlu和Rasa_core阅读
一,用户指南
1.架构
消息处理,此图显示了使用rasa构建消息响应的基本步骤:
步骤是:
1,消息被接受并且传递给Interpreter(解释器),它将源消息转化为包含原始文本,意图和实体
的字典。这部分由NLU处理。
2、Tracker(追踪器)是追踪并记录会话状态的对象,他接受新到来的消息。
3、policy接受当前Tracker的状态
4、policy选择下一个要使用的动作
5、选择的动作记录在Tracker中
6、向用户发送请求
2.模型评估
我们还可以调节nlu模型的超参数
https://blog.rasa.com/rasa-nlu-in-depth-part-3-hyperparameters/?_ga=2.185072874.2590330
68.1567321116-549374689.1567321116
3.常见的任务命令

命令 作用说明
rasa init 使用示例训练数据,操作和配置文件创建新项目
rasa train 使用你的NLU数据和故事训练模型,在 ./model 中保存训练的模型
rasa interactive 启动交互式学习会话,通过聊天创建新的训练数据
rasa shell 加载已训练的模型,并让你在命令行上与助手交谈
rasa run
使用已训练的的模型启动Rasa服务。有关详细信息,请参阅运行服务文
档
rasa run actions 使用Rasa SDK启动操作服务
rasa visualize 可视化故事
rasa test 使用你的测试NLU数据和故事测试已训练的Rasa模型
rasa data split nlu 根据指定的百分比执行NLU数据的拆分
rasa data convert
nlu
在不同格式之间转换NLU训练数据
rasa x 在本地启动Rasa X
rasa -h 显示所有可用命令
4.创建新项目
我们使用下面的命令来创建一个完整的项目:
这将创建下面的文件:(项目结构)
随着文档的建立,我们需要熟悉这些命令:训练rasamo模型,与模型通信,测试模型;如果在
这里你只想训练core或者是nlu的话,我们可以这样训练rasa train core / rasa train nlu。
5.训练模型
rasa init 1

注意:
使用rasa train训练模型时,确保Core和NLU的训练数据存在。如果仅存在一种模型类型的训练
数据,则该命令将根据提供的训练文件自动回退到rasa train nlu或rasa train core。
6.交互式学习
如果使用 --model 参数提供训练模型,则使用提供的模型启动交互式学习过程。如果没有指定模
型,且没有其他目录传递给 --data 参数, rasa interactive 将使用位于 data/ 目录中的数据训练一
个新的Rasa模型。在训练初始模型之后,交互式学习会话开始。如果训练数据和配置没有改变,将跳过
训练。
注:交互式学习就是你的助手在学习的时候,记录和你的之间交流的对话内容,以此作为训练数
据。
7.可视化stroies
这实在浏览器界面以图的形式展示故事:
通常, data 目录中的训练故事是可视化的。如果你的故事位于其他地方,则可以使用 --stories
指定其位置。
8.训练和测试数据拆分
下面的这个方法可以把nlu的训练数据拆为训练集和测试集
你可以使用以下参数指定训练数据,百分比和输出目录:
9.在Markdown和JSON之间转换数据
要将NLU数据从LUIS数据格式,WIT数据格式,Dialogflow数据格式,JSON或Markdown转换为
JSON或Markdown,请运行:
注:这里是说训练数据的格式,我们可将其转为json或者是Markdown
`rasa interactive`1
rasa visualize1
rasa data split nlu1
rasa data convert nlu1

10.消息和语音通道
如果您在本地计算机(即非服务器)上进行测试,则需要使用ngrok。这为您的机器提供了域
名,以便Facebook,Slack等知道将消息发送到本地计算机的位置。
要使您的助手在消息传递平台上可用,您需要在 credentials.yml 文件中提供凭据。运行 rasa
init 时会创建一个示例文件,因此最简单的方法是编辑该文件并在其中添加凭据。以下是Facebook凭
据的示例:
11.nlu模型评估
模型评估详见(下同):http://rasachatbot.com/6_Evaluating_Models/
在标准的机器学习技术中,我们需要将一些数据作为测试集分开,我们可以使用下面的命令来将
数据分为训练集和测试集:
你如果已经运行了上面的命令,我们可以使用下面命令,查看测试用例的状况:
如果你不想创建单独的测试集,可以使用交叉验证来估计模型的泛化能力。
12. 评估core模型
你可以使用评估命令在一组测试stories中评估训练模型:
这会将失败的故事打印到 results/failed_stories.md 。如果至少有一个操作被错误预测,我
们会将任何故事视为失败。
此外,这会将混淆矩阵保存到名为 results/story_confmat.pdf 的文件中。对于你域中的每个
操作,混淆矩阵会显示操作的正确预测频率以及预测错误操作的频率。
13.验证数据集
测试 域和数据 文件的错误
要验证域文件,NLU数据或故事数据中是否存在任何错误,请运行验证脚本。你可以使用以下命
令运行它:
*:这里可以记录一下,这是个非常好的命令,他可以帮你检查错误,嗯,按时就先这么说吧
facebook:
verify: "rasa-bot"
secret: "3e34709d01ea89032asdebfe5a74518"
page-access-token:
"EAAbHPa7H9rEBAAuFk4Q3gPKbDedQnx4djJJ1JmQ7CAqO4iJKrQcNT0wtD"
1
2
3
4
rasa data split nlu1
rasa test nlu -u test_set.md --model models/nlu-20180323-145833.tar.gz1
rasa test nlu -u data/nlu.md --config config.yml --cross-validation1
rasa test core --stories test_stories.md --out results1
rasa data validate1

14.运行服务器
你可以使用经过训练的rasa模型来运行一个简单的HTTP请求:
各个参数分别代表:
2. --enable-api: 启用此附加API
3. --log-file: 日志文件的路径
Rasa可以通过三种不同的方式加载你的模型:
1. 从服务获取模型(请参阅下面从服务获取模型)
2. 或从远程存储中获取模型(请参阅云存储)
3. 通过 -m 从本地存储系统加载指定的模型(上例中正是此条)
Rasa尝试按上述顺序加载模型,即如果没有配置模型服务和远程存储,它只会尝试从本地存储系统
加载模型。
1.从服务获取模型
你可以配置HTTP服务以从其他URL获取模型:
详情请见:(http://rasachatbot.com/8_Running_the_Server/)
2.从远程存储中获取模型
你还可以配置Rasa服务以从远程存储中获取模型:
模型被下载并存储在本地存储系统的临时目录中。有关更多信息,请参阅云存储。
3.安全注意事项
我们建议不要将Rasa服务暴露给外部世界,而是通过专用连接(例如,在docker容器之间)从后
端连接到它。
其中,内置了两种身份验证方法:
1.基于令牌的身份验证
启动服务时使用 --auth-token thisismysecret 传递令牌 :
你的请求应该传递令牌,在我们的案例中是 thisismysecret 作为参数:
rasa run -m models --enable-api --log-file out.log1
1. -m: 包含Rasa模型的文件夹的路径 1
rasa run --enable-api --log-file out.log --endpoints my_endpoints.yml1
rasa run -m 20190506-100418.tar.gz --enable-api --log-file out.log --remote-
storage aws
1
rasa run \
-m models \
--enable-api \
--log-file out.log \
--auth-token thisismysecret
1
2
3
4
5
剩余40页未读,继续阅读

















平原2018
- 粉丝: 824
- 资源: 9
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助

会员权益专享
安全验证
文档复制为VIP权益,开通VIP直接复制

评论0