章节一: RASA开源引擎介绍

最新推荐文章于 2024-06-12 18:00:00 发布

風起云扬

最新推荐文章于 2024-06-12 18:00:00 发布

阅读量1.2k

点赞数 1

分类专栏：多轮对话文章标签：开源自然语言处理 nlp

本文链接：https://blog.csdn.net/qq_35273499/article/details/127600824

版权

多轮对话专栏收录该内容

8 篇文章 3 订阅

订阅专栏

一、前言

随着最近对话机器人的普及和推广应用，技术更新不断。前前后后也有很多的大厂有自己的对话系统，如百度开源的基于检索式机器人的框架AnyQ；Google开源的基于生成式对话系统DeepQA；Facebook开源的基于阅读理解的系统DrQA；北京大学知识库问答系统gAnswer。但这些技术都是为了完成对话系统中的一个任务，或者说为了机器人的一个能力而开发的技术，而现有的对话系统中多是各种技术的混合，例如一个对话系统，闲聊部分可能用到DeepQA一类的NLG技术，关于知识推理部分可能用到KBQA的部分，关于FAQ的回答可能用到AnyQ或者DRQA。如何将这些技术应用到一个系统中，还是对应用开发人员的一个考验。

幸运的是，近些年来，很多厂商都开源了自己的问答系统，整个系统是开包即用，例如Facebook开源的Blender系统，他具有个性人物聊天的功能，可以知识问答，是有史以来最大的开放域（Open-Domain）聊天机器人。还有Uber开源的Plato系统，也都具有比较完整的功能。但要说从框架完整性，可扩展性，易用性等各方面，RASA当仁不让是当前最全面的系统之一。下面我们详细介绍下RASA系统。

二、RASA系统的优势

Rasa为建立高效，灵活，专有的上下文对话机器人提供了必要的基础架构和工具。使用Rasa，任何人员都可以通过文本编辑器配置配置文件，就可以得到一个非常不错的对话机器人。

RASA的开发非常活跃，社区内有15k+的stars，4.1k+的forks，2500多万次下载，RASA跟踪了最前沿的技术，并应用到系统中，保证了RASA的技术领先性。RASA的NLU为开发人员提供了解消息，确定意图并捕获关键上下文信息的技术。支持多种语言，单一和多种意图，以及预训练和自定义实体等功能。RASA的CORE提供了多轮对话管理机制，使用Transformer技术自动学习上下文的与当前意图的关联性，而不是比较固定的状态机，再结合RulePolicy，提供了最大的灵活性。

假如您是一名开发人员，RASA也提供的非常好的扩展性，比如说Tokenizer，Featurizer，Classifier，Policy，Action等都提供了自定义功能，您可以只使用RASA的pipeline框架，而其他各个组件都自己定义。如果您是运维人员，您可以使用Rasa-x工具可视化的配置机器人，也可以达到非常不错的效果。

RASA提供了一套从开发、测试到生产部署全套的解决方案，并提供了Conversation-Driven Development (CDD)一套方法论，提供了Action Server，Rasa X等工具，支持Docker部署方式，简化生产运维等方式。

综上，RASA系统基本上涵盖开发对话系统的方方面面，不管是运维人员，还是开发人员都可以使用RASA开发一个比较好的对话系统。

三、RASA系统架构

Rasa开源体系结构

Rasa主要包括Rasa NLU(自然语言理解，即图中的NLU Pipeline)和Rasa Core(对话状态管理，即图中的Dialogue Policies)两个部分。Rasa NLU将用户的输入转换为意图和实体信息。该模块主要功能是意图分类，实体提取和响应检索功能。Rasa Core基于当前和历史的对话记录，决策下一个Action。

除了核心的自然语言理解(NLU)和对话状态管理(DSM)外，还有Agent代理系统，Action Server自定义后端服务系统，通过HTTP和Rasa Core通信；辅助系统Tracker Store、Lock Store和Event Broker等。还有上图没有显示的channel，它连接用户和对话机器人，支持多种主流的即时通信软件对接Rasa。

(1)Agent：从用户角度来看，Agent就是整个RASA系统的代理，主要是接收用户输入消息，返回Rasa系统的回答。从Rasa角度来看，它连接自然语言理解(NLU)和对话状态管理(DSM)，根据Action得到回答，并且保存对话数据到数据库。

(2)Action Server：提供了Action与Policy解耦的一种方式。用户可以定义任何一种Action链接到Action Server上，通过训练学习，RASA可以将Policy路由到这个Action上。此外，通过rasa-sdk可以实现Rasa的一个热插拔功能，比如查询天气预报等。

(3)Tracker Store：将用户和Rasa机器人的对话存储到Tracker Store中，Rasa提供的开箱即用的系统包括括PostgreSQL、SQLite、Oracle、Redis、MongoDB、DynamoDB，当然也可以自定义存储。

(4)Lock Store：一个ID产生器，当Rasa集群部署的时候会用到，当消息处于活动状态时锁定会话，以此保证消息的顺序处理。

(5)Event Broker：简单理解就是一个消息队列，把Rasa消息转发给其它服务来处理，包括RabbitMQ、Kafka等。

(6)FileSystem：提供无差别的文件存储服务，比如训练好的模型可以存储在不同的位置。支持磁盘加载，服务器加载，S3这样的云存储加载。