本文介绍了rasa的安装过程，包括rasa core和rasa nlu组件的安装，以及语料数据的准备和训练。讲解了如何使用chatito和rasa-nlu-trainer进行语料标注，编写domain.md和stories.md文件，以及自定义action的添加和运行。提供了训练和运行rasa模型的详细步骤。
rasa core：对话管理
rasa nlu ：语义理解，意图识别和实体识别
git源地址参考：https://github.com/tedljw/rasa_test_ch
1. 安装相关组件包
pip install rasa_nlu==0.13.4
pip install rasa_core==0.11.4
pip install rasa_core_sdk==0.11.4
2. 安装语料训练工具
yum install npm
npm install -g chatito
图像化的语料生成工具：npm i -g rasa-nlu-trainer
3. 准备语料数据，编写需要的格式的语料数据。
rasa_core部分：
stories.md ：编写对话场景流程 （-s）
domain.md ：意图，动作，反馈以及实体和槽，机器知识库。 （-d）
rasa_nlu部分：
nlu_config.yml ：nlu模型算法处理流程 （-c）
data.json ：训练数据 （--data）
4. 训练词向量模型，训练rasa_core模型，训练自己的rasa_nlu模型。
训练rasa_nlu：
python -m rasa_nlu.train -c my_config.yml --data
扫一扫
2103
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
