使用Rasa_core和Rasa_nls框架搭建问答机器人

1 前期准备

1.1 采集数据

采集有关南京博物院的有关数据，并进行中文分词（其中还需要用户自定义词典），其主要技术为：python爬虫、 jieba分词
内容如下:

1.2 构建语料库

根据已经采集好的数据构建语料库，其相关技术：MITIE工具

2 RASA_NLU

NLU模块的任务是：

• 意图识别 (Intent)：在句子级别进行分类，明确意图；
• 实体识别(Entity)：在词级别找出用户问题中的关键实体，进行实体槽填充(Slot Filling)。

2.1 进行rasa_nlu配置

配置文件如下：

language: "zh"

pipeline:
- name: "nlp_mitie"
  model: "data/total_word_feature_extractor.dat"
- name: "tokenizer_jieba"
  user_dicts: "./user.dict"
- name: "ner_mitie"
- name: "ner_synonyms"
- name: "intent_entity_featurizer_regex"
- name: "intent_featurizer_mitie"
- name: "intent_classifier_sklearn"

2.2 准备训练数据

数据格式如下：

2.3 训练

代码如下：

  from rasa_nlu.training_data import load_data
    from rasa_nlu.config import RasaNLUModelConfig
    from rasa_nlu.model import Trainer
    from rasa_nlu import config
    from rasa_core.agent import Agent
    from rasa_core.policies.memoization import MemoizationPolicy
    from rasa_core.interpreter import RasaNLUInterpreter
    from rasa_core.policies.keras_policy import KerasPolicy
    from rasa_core.channels.console import ConsoleInputChannel
    
    # 训练模型
    def train():
        # 示例数据
        training_data = load_data('data/museum.json')
        # pipeline配置
        trainer = Trainer(config.load("sample_configs/museum_config.json"))
        trainer.train(training_data)
        model_directory = trainer.persist('./models/demo/')
        print(model_directory)
        predict(model_directory) 
    
    #