# 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,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:
![](https://img-blog.csdnimg.cn/20200227153932228.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FuZHJFeHBlcnQ=,size_16,color_FFFFFF,t_70)
# 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.
> ```