开源任务式问答机器人系列之rasa篇

Rasa

rasa是一个开源的问答机器人框架，rasa可用于构建基于上下文的AI助手，也可用于构建闲聊机器人。
Rasa有两个主要模块：Rasa NLU和Rasa Core，Rasa NLU 用于对用户消息内容的语义理解，主要包括实体识别，意图识别；Rasa Core 用于对话管理（Dialogue management），记录多轮信息，跟踪对话状态。Rasa官方还提供了一套交互工具 RasaX 帮助用户提升和部署由Rasa框架构建的AI小助手和聊天机器人。
创建一个初始的Rasa项目。可在终端运行如下命令：

rasa init --no-prompt

init.py	an empty file that helps python find your actions
actions.py	an empty file that helps python find your actions
config.yml ‘*’	configuration of your NLU and Core models
credentials.yml	details for connecting to other services
data/nlu.md ‘*’	your NLU training data
data/stories.md ‘*’	your stories
domain.yml ‘*’	your assistant’s domain
endpoints.yml	details for connecting to channels like fb messenger
models/.tar.gz	your initial model

可以看到，一个完整的项目主要包括以上内容。最为重要的是带*号的文件，主要是需要我们定制的用以训练NLU模型和对话管理模型的数据。
以下分别介绍上述文件的主要内容。

data/nlu.md

Rasa NLU是一个开源的自然语言处理工具，其主要作用是识别用户的意图，以及用户消息内容所涉及的实体：

“我想查询广州今天的天气”

NLU将会解析成：

{
   
  "intent": "search_weather",
  "entities": {
   
    "address" : "广州",
    "date_time" : "今天"
  }
}

也就是，识别出用户的意图为查询天气，识别的两个实体包括地点和时间，分别是广州和今天。也就是我们常说的填槽。nlu的训练数据在data/nlu.md文件，是以markdown编写的形式，易于理解，示例如下：

## intent:request_weather
- 帮我查下天气
- 天气怎么样
- 我想知道[明天](date_time)的天气
- 请问[北京](address)[今天]