基于Python的机器人对话系统源码.zip

# RASA中文聊天机器人项目 --- **RASA 开发中文指南系列博文：** - [Rasa中文聊天机器人开发指南(1)：入门篇](https://jiangdg.blog.csdn.net/article/details/104328946) - [Rasa中文聊天机器人开发指南(2)：NLU篇](https://jiangdg.blog.csdn.net/article/details/104530994) - [Rasa中文聊天机器人开发指南(3)：Core篇](https://jiangdg.blog.csdn.net/article/details/105434136) - Rasa中文聊天机器人开发指南(4)：RasaX篇 - Rasa中文聊天机器人开发指南(5)：Action篇 **注：本系列博客翻译自[Rasa官方文档](https://rasa.com/docs/rasa/)，并融合了自己的理解和项目实战，同时对文档中涉及到的技术点进行了一定程度的扩展，目的是为了更好的理解Rasa工作机制。与本系列博文配套的项目GitHub地址：[ChitChatAssistant](https://github.com/jiangdongguo/ChitChatAssistant)，欢迎`star`和`issues`，我们共同讨论、学习！** --- # 1. 安装rasa的要求 ## 1.1 环境要求 - python 3.6 + - mitie - jieba ## 1.2 安装步骤 **1. 安装rasa** ```shell # 当前版本为1.9.5 # 该命令运行时间较长，会安装完所有的依赖 pip --default-timeout=500 install -U rasa ``` **2. 安装mitie** ```shell # 在线安装Mitie pip install git+https://github.com/mit-nlp/MITIE.git pip install rasa[mitie] # 注：由于第一步始终没成功过，没尝试过这个命令的意义 ```  由于自己在线安装尝试了很多次都拉不下来，因此只能走离线安装的方式，有三个步骤： - 首先，下载[MITIE源码](https://github.com/mit-nlp/MITIE)和中文词向量模型[total_word_feature_extractor_zh.dat(密码：p4vx)](https://pan.baidu.com/s/1kNENvlHLYWZIddmtWJ7Pdg)，这里需要将该模型拷贝到创建的python项目data目录下(可任意位置)，后面训练NLU模型时用到； - 其次，安装[Visual Studio 2017](https://blog.csdn.net/qq_42276781/article/details/88594870) ，需要勾选“`用于 CMake 的 Visual C++ 工具`”，因为编译MITIE源码需要Cmake和Visual C++环境。安装完毕后，将`C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\CommonExtensions\Microsoft\CMake\CMake\bin`添加到环境变量中，再重启电脑使之生效； - 从Pycharm的命令终端进行Mitie源码根目录，执行下面的命令： > python setup.py build > python setup.py install **3. 安装jieba** ```shell # 安装Jieba中文分词 pip install jieba ``` # 2. 训练模型  当所有样本和配置文件准备好后，接下来就是训练模型了，打开命令终端执行下面的命令，该命令会同时训练NLU和Core模型。 - 使用MITIE ```shell python -m rasa train --config configs/config.yml --domain configs/domain.yml --data data/ ``` - 使用Supervised_Embedding ```bash python -m rasa train --config configs/zh_jieba_supervised_embeddings_config.yml --domain configs/domain.yml --data data/ ``` - 使用MITIE+Supervised_Embedding ```bash python -m rasa train --config configs/zh_jieba_mitie_embeddings_config.yml --domain configs/domain.yml --data data/ ``` # 3. 运行服务 **（1）启动Rasa服务**  在命令终端，输入下面命令： ```shell # 启动rasa服务 # 该服务实现自然语言理解(NLU)和对话管理(Core)功能 # 注：该服务的--port默认为5005，如果使用默认则可以省略 python -m rasa run --port 5005 --endpoints configs/endpoints.yml --credentials configs/credentials.yml --debug ``` **（2）启动Action服务** 在命令终端，输入下面命令： ```shell # 启动action服务 # 注：该服务的--port默认为5055，如果使用默认则可以省略 Python -m rasa run actions --port 5055 --actions actions --debug ``` **（3）启动server.py服务** ```shell python server.py ``` 当**Rasa Server**、**Action Server**和**Server.py**运行后，在浏览器输入测试： ` http://127.0.0.1:8088/ai?content=查询广州明天的天气` 终端调用效果为：  # 4. 更新日志 **（1）V1.0.2020.02.15** - 创建项目，模型训练成功； - 前端访问Rasa服务器正常响应； - 对接图灵闲聊机器人、心知天气API，便于测试； **（2）V1.1.2020.02.27** - 优化NLU样本，尝试使用同义词、正则、查找表； - 改进supervised_embeddings，实体提取和意图识别明显提高，训练速度加快很多； - 完成`Rasa中文聊天机器人开发指南(2)：NLU篇`文章撰写； **（3）V1.2.2020.04.10** - 使用Interactive Learning构建样本； - 新增MITIE+supervised_embeddings管道，并训练相应的模型； - 新增身份查询案例； - 将Rasa版本升级到1.9.5，解决win10使用tensorflow出现的异常(详见`入门篇`)； - 完成`Rasa中文聊天机器人开发指南(3)：Core篇`文章撰写； # 5. License > ``` > Copyright 2020 Jiangdongguo > > Licensed under the Apache License, Version 2.0 (the "License"); > you may not use this file except in compliance with the License. > You may obtain a copy of the License at > > http://www.apache.org/licenses/LICENSE-2.0 > > Unless required by applicable law or agreed to in writing, software > distributed under the License is distributed on an "AS IS" BASIS, > WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. > See the License for the specific language governing permissions and > limitations under the License. > ```