Gavin老师Transformer直播课感悟 - Rasa项目实战之电商零售Customer Service智能业务对话机器人运行流程及项目Bug调试全程演示(四十七)

   本文继续围绕工业级业务对话平台和框架Rasa，对Rasa项目实战之电商零售Customer Service智能业务对话机器人运行流程及项目Bug调试进行演示及剖析。

一、Rasa项目实战之电商零售Customer Service智能业务对话机器人运行流程及项目Bug调试全程演示

1. 电商零售Customer Service智能业务对话机器人功能分析

在这个项目中会实现一些核心功能：

-查询订单状态

-取消购买的商品

-退回购买的商品

-检索是否有想购买的商品

-商品信息订阅功能

 2.  电商零售Customer Service智能业务对话机器人运行流程

运行命令rasa visualize获取对话流程可视化图：

下面是左边部分的流程图：

从图中可以看到，主要使用了以下forms：

-cancel_form：订单取消表格

-return_form：商品退回表格

-product_updates_form：产品更新表格

-product_stock_form：库存信息表格

-order_status_form：订单状态表格

每个form下面都有对应的action，这些actions会触发form “suvey_form”用于收集客户的反馈信息。

中间部分的流程图：

右边部分的流程图：

在运行命令rasa train进行训练时出现报错信息：

根据提示信息，需要在domain文件里添加version信息：

针对另外的报错信息：Can’t load class for name ‘DucklingHTTPExtractor’，在config.yml查找相关的配置信息：

这时可以把name更新为”DucklingEntityExtractor”：

重新运行命令rasa train进行训练，可以看到没有报错信息了：

通过docker启动duckling：

这时如果在控制台运行以下命令就会报错：

 3.  使用Rase shell --debug模式测试电商零售Customer Service项目及问题Bug思考

运行命令rasa shell –debug：

运行命令rasa run actions –debug 启动action server：

输入信息：Hi，对话机器人响应如下：

输入信息检查order status：

输出信息：

输入email信息：

输出信息：

根据上述选项选择之后输出信息如下：

根据用户输入的反馈信息对话机器人响应如下：

继续输入查询订单状态信息：

输出信息：

这时没有对话机器人没有再请求email，这是因为session中已经保存了email的值：

在action里定义了使用的数据库：

重启一个新的对话session，输入email：

由于数据库存在上面输入的email，所以对话机器人返回了order status，并且让用户提供反馈：

提供反馈信息后就结束了对话过程：

继续查询商品库存状态：

获得的反馈如下：

从上面信息看，虽然前面用户输入信息已经说明size为8，但是对话机器人仍然请求size，说明可能是对话机器人没有正确提取出关于size的实体信息，继续输入size信息：

从下面输出信息看，size的信息已经正确提取，但是在slot “size”里没有设置值：

当直接输入size时，slot “size”正确填充了值：

说明在slot “size”填充时存在bug，不能根据提取到的entity的值自动填充到”size”。

 4.  使用Rasa Interactive来尝试解决项目Bug

针对上面出现的slot “size”没有正确填充值的bug，启动interactive模式来进行调试：

Rasa interactive模式除了帮助定位问题外，还可以对不符合预期的对话预测行为进行纠正。

输入信息，然后根据反馈可以看到正确提取了size的值：

由于下面要执行的action不是预期的，所以输入No：

这时对话机器人给出下列action list：

我们预期的是执行form “product_stock_form”，所以选择这个form来执行：

可以看到requested_slot是”size”

输入size信息：

执行form “product_stock_form”后可以看到已经填充了slot “size”的值：

输入信息：

从输出信息可以看到slots已被正确填充：

运行form “product_stock_form”，并执行action “action_product_search”：

可以看到返回了查询结果：

最后运行form “survey_form”，选择rating选项5：

保存训练数据：

 5.  调整rule文件效果测试及问题分析

首先检查nlu.yml里的训练数据：

Intent “product_stock”会触发form “product_stock_form”，所以检查rules.yml中的rule：

我们期望的是当识别到product_stock时，直接进入form “product_stock_form”，所以修改如下：

重新训练模型：

发现报错：

所以需要删除stories里有冲突的数据：

重新训练后进入interactive模式：

输入信息：

分析输出信息，发现slot “size”并没有填充值：

 6.  调整slot配置测试及问题解决方案剖析

检查domain.yml文件里的slot mapping：

可以发现slot “size”的填充必须满足form “product_stock_form”被激活的条件，但是从rule的定义看当识别intent为“product_stock”时并没有激活form，所以上面关于rule的修改是无效的。

可以调整size的mappings，如下图所示，copy原有的mapping来增加一个mapping，然后在这个新增mapping的conditions里指定intent：product_stock，这样当识别到这个intent时，就会把提取到的entity的值映射到slot “size”中。