rasa nlu初探 (一)

最新推荐文章于 2023-01-25 13:11:52 发布
最新推荐文章于 2023-01-25 13:11:52 发布
阅读量698 收藏 1
点赞数 1
分类专栏： 自然语言处理 文章标签： 自然语言处理 python tensorflow anaconda 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38054086/article/details/103949277
版权
  1. 目标：中文电脑语音助手
  2. 初识过程：
    一开始使用科大讯飞的接口，然而识别速度慢，而且需要联网，在网上搜索的过程中发现有博客说有大佬做出了rasa nlu的中文版，于是赶紧跟着大佬的readme一步步做，果不其然的出了很多问题
    这里贴一下大佬的项目：https://github.com/crownpku/Rasa_NLU_Chi
  3. 排错过程：
    安装jieba mitie等的过程就不赘述，主要将我在使用这份代码时遇到的问题
    3.1 安装问题
    首先rasa安装需要tensorflow的支持，并且有着较严格的版本要求，因此安装tensorflow需要严格与rasa版本匹配，可以在requirements文档中查看要求版本
    3.2 python问题
    tensorflow需要64位版本的python，而我在安装python时，发现我的python是默认的32位版本，因此需要重新安装python。
    这里记得重新配置python环境变量时，要将环境变量放在anaconda的python的环境变量的上面，不然系统就会使用anaconda的python
    3.3 rasa版本问题
    rasa的初期版本有很多问题，比如编码问题，个人在使用大佬的代码时，就出现了unicodedecodeerror-utf-8-codec-cant-decode-byte-0x92的问题，查阅了很多资料，rasa论坛中对此问题有所解释，说是更新就好了。
    于是我切到源代码目录，更新rasa，提示更新成功，但问题却依旧存在。
    我便开始出个文件排查代码，最终发现了一点思绪。
    在version.py里，清楚的写着rasa的版本–0.12，也就是说，更新没有成功。
  4. 重新探索
    于是本人将目光重新转向英文版rasa，根据rasa官方教程，与大佬源代码中的中文训练数据，暂时训练了一个简陋的demo版模型，但至少可以取出结果。
    po一张图片在这里插入图片描述
    这里只是暂时测试模型的可行性
  5. 学习资料
    rasa官方论坛https://forum.rasa.com/categories
    rasa官方文档https://rasa.com/docs
    rasa官方教程（油管）https://www.youtube.com/watch?v=rlAQWbhwqLA&list=PL75e0qA87dlHQny7z43NduZHPo6qd-cRc
    rasa中文天气查询demo（这里感谢孔晓泉大佬的指点）https://github.com/howl-anderson/MicroWeatherBot_CN
    基于Rasa NLU，Go+Python实现的语音助理https://www.bilibili.com/video/av54654613

待续

Snow_Ash___
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
RASA NLU官方文档中文翻译
05-07
RASA NLU 是一个开源的语言理解工具，用于意图分类和实体提取。该工具可以帮助开发者快速创建属于自己的聊天机器人。下面是 RASA NLU 的一些重要知识点： RASA NLU 的优点 * 不需要将数据交给第三方服务商 * 不...
Rasa中文聊天机器人开发指南(1)：入门篇
weixin_43815222的博客
12-01 8627
文章目录 1. Rasa简介与安装1.1 Rasa简介1.2 Rasa安装(v1.9.4)1.1 Ubuntu 16.04环境1.2 Windows10环境 2. Rasa使用--构建简单聊天机器人2.1 构建NLU样本2.1.1 nlu.md 2.2 构建Core样本2.2.1 stories.md2.2.2 domain.yml 2.3 训练NLU和CORE模型2.3.1 config.yml2.3.2 模型训练 2.4 配置Http和Action2.3.1 cred...
关于Rasa你必须要知道的几件事
LuoFan_A的博客
12-17 1万+
本文从一个high-level的角度对使用Rasa构建聊天助手的整个过程进行了总结，文章结构也是按照使用Rasa构建聊天助手时依次涉及到的模块来安排的，本文不太适合刚刚了解Rasa的小白，如果你之前有用Rasa构建过聊天助手，那么在阅读时会很轻松。
1.认识rasa
m0_49501453的博客
01-08 3319
认识rasa Rasa是一套开源机器学习框架，用于构建基于对话上下文的AI小助手和聊天机器人。 Rasa有两个主要模块： Rasa NLU 用于对用户消息内容的语义理解； Rasa Core 用于对话管理。 配置文件 Rasa主要的的配置文件有NLU配置、Stories、Domain等 NLU配置作为实现自然语言的识别，Stories作为会话的剧本、Domain作为处理Action的模本。 NLU训练数据 NLU 是英文 Natural Language Understanding 的简称，
Rasa系列教程(二) -- Rasa NLU基础
m0_37565948的博客
09-18 3229
Rasa NLU基础
rasa 介绍文档
01-25 2700
Rasa Open Source: NLU (理解语义) + Core (决定对话中每一步执行的actions)Rasa SDK: Action Server (调用自定义的 actions)Rasa NLU理解用户的对话，提取出感兴趣的信息 (如意图分类、实体提取等)，以pipeline的方式处理用户对话，在config.yml中配置。Rasa Core根据NLU输出的信息、以及Tracker记录的历史信息，得到上下文的语境：预测用户当前最可能表达的意图；
Chatette：受Chatito启发，Rasa NLU的强大数据集生成器
02-02
具体来说， Chatelet实现了一种特定于域的语言（ DSL ），该语言允许您定义模板以生成大量的句子，然后将其保存为Rasa NLU的输入格式。 使用的DSL几乎是Rodrigo Pimentel创建的优秀项目的超集。 （注意：DSL实际上...
Chinese_NLU_by_using_RASA_NLU:使用 RASA NLU 来构建中文自然语言理解系统（NLU）| Use RASA NLU to build a Chinese Natural Language Understanding System (NLU)
05-03
使用 RASA NLU 来构建中文自然语言理解系统（NLU） 本仓库提供前沿、详细和完备的中文自然语言理解系统构建指南。 在线演示 TODO 特性 提供中文语料库 提供语料库转换工具，帮助用户转移语料数据 提供多种基于 RASA ...
ChatBot:使用Rasa NLU和机器学习AI助手构建ChatBot
04-19
Rasa NLU是Rasa开源平台的一部分，专注于自然语言理解（NLU），而Rasa Core则负责对话管理。这个项目主要涉及Python编程，因为Rasa库是用Python编写的。 **Rasa NLU简介** Rasa NLU是一个用于解析用户输入并从中...
rasa_nlu_datasets:丢失NLU数据集
05-18
在构建智能聊天机器人时，Rasa NLU 是一个至关重要的工具，它负责理解用户的自然语言输入并将其转化为机器可以理解的结构化数据。本话题主要围绕"rasa_nlu_datasets:丢失NLU数据集"这一主题，我们将深入探讨Rasa NLU...
【机器学习】Rasa NLU以及Rasa Core概念和语法简介（超详细必看）
showswoller的博客
12-07 1665
【机器学习】Rasa NLU以及Rasa Core概念和语法简介（超详细必看）
Rasa中文聊天机器人开发指南(2)：NLU篇
weixin_43815222的博客
12-01 2530
文章目录 1. 什么是NLU2. NLU训练数据2.1 NLU样本格式2.2 验证数据有效性2.2.1 使用命令2.2.2 使用代码 2. Rasa NLU Components2.1 词向量资源（Word Vector Sources）2.1.1 MitieNLP2.1.2 SpacyNLP 2.2 分词（Tokenizers）2.2.1 WhitespaceTokenizer2.2.2 JiebaTokenizer2.2.3 MitieTokenizer2.2.4 SpacyTo...
RASA介绍
fzz97_的博客
01-17 1737
Rasa的总体架构及核心内容介绍
Rasa系列教程(一) -- 系统及各组件介绍
m0_37565948的博客
09-18 3879
Rasa系列教程
对话机器人（二）——RASA概述与安装
qnstar_的博客
05-27 3017
RASA3的概述与安装
rasa 中文聊天机器人
热门推荐
xxzhix的博客
08-31 1万+
环境：ubuntu 16.04 主要是运行github项目https://github.com/zqhZY/_rasa_chatbot ，用来回答一些手机通信业务，项目里面有训练集。 如有问题，期待大家指正，非常感谢！ 1.Rasa介绍 rasa是开源的工具，包括rasa core和rasa nlu。官网：https://rasa.com/ rasa nlu主要用于用户意图识别和实体识别...
RASA3.0-NLU详细介绍
fzz97_的博客
01-25 1428
Rasa NLU的详细介绍，包括其需要的各类训练数据，可使用的组件及流水线配置，输出格式及内容等。
RASA框架介绍
hblg_bobo的博客
05-26 2714
关于RASA一个机器学习框架，用于构建基于文本和语音的聊天机器人。框架完整，可扩展性，易用性高，高效灵活。2.0新版本统一训练数据格式，配置文件和模型处理方式。 在最新版的rasa里已经集成了bert模型和xlnet，可以通过model选择用bert，通过LanguageModelTokenizer进行分词，EntitySynonymMapper进行命名实体识别。 框架简单介绍： Rule文件用于单论对话的固定规则，core部分训练会校验是否只有一个user_uttered。整合了原来的trig.
章节四：RASA 训练数据介绍
风起云扬的博客
11-20 1568
一般来说，机器人可以跟人对话，机器人说什么是最难的，顶多是人工编写几种规则和模版来回复即可。但是要让机器人理解人的意图，确实非常难的事情。因为语言具有多样性，多义词，一语双关，长短句等，尤其是中文的博大精深。因此机器人需要特别多的数据，也就是模拟人的问法，让机器人理解这些意图特征，理解人的问法，以及人是如何回复别人的问题，这部分内容在Rasa里面称为训练数据。
生成一个 Rasa NLU 模型和 Rasa Core 模型
最新发布
06-09
要生成一个 Rasa NLU 模型和 Rasa Core 模型，你需要完成以下步骤： 1. **准备训练数据**：为了训练 Rasa 模型，你需要准备训练数据。对于 NLU 模型，这些数据应该包括一些示例用户输入和相应的意图和实体标记。对于 Core 模型，这些数据应该包括会话中的对话行为和相应的动作。 2. **编写配置文件**：为了训练 Rasa 模型，你需要编写一个配置文件，该文件指定了训练数据和模型训练的一些参数，例如训练算法、超参数等。 3. **训练模型**：一旦你准备好了训练数据和配置文件，你就可以使用 Rasa 提供的命令行工具来训练模型了。例如，对于 NLU 模型，你可以使用以下命令： ``` rasa train nlu --config path/to/config.yml --data path/to/nlu_data.yml --out models/ ``` 对于 Core 模型，你可以使用以下命令： ``` rasa train core --config path/to/config.yml --stories path/to/core_data.yml --out models/ ``` 在这些命令中，`path/to/config.yml` 是你的配置文件的路径，`path/to/nlu_data.yml` 和 `path/to/core_data.yml` 是你的训练数据的路径，`models/` 是你的模型存储目录的路径。 4. **测试模型**：一旦你训练好了模型，你可以使用 Rasa 提供的命令行工具来测试模型的性能和准确性。例如，对于 NLU 模型，你可以使用以下命令： ``` rasa test nlu --model models/<nlu-model-name>.tar.gz --nlu path/to/nlu_test_data.yml ``` 对于 Core 模型，你可以使用以下命令： ``` rasa test core --model models/<core-model-name>.tar.gz --stories path/to/core_test_data.yml ``` 在这些命令中，`<nlu-model-name>.tar.gz` 和 `<core-model-name>.tar.gz` 是你的 NLU 模型和 Core 模型的名称（这些模型是在第 3 步中训练的）。`path/to/nlu_test_data.yml` 和 `path/to/core_test_data.yml` 是你的测试数据的路径。 5. **部署模型**：一旦你测试好了模型，你就可以将它们部署到生产环境中。你可以将模型加载到你的 Python 代码中，或者使用 Rasa 提供的 HTTP API 来与模型交互。例如，你可以使用以下代码将模型加载到你的 Python 代码中： ```python from rasa.core.agent import Agent from rasa.core.interpreter import RasaNLUInterpreter from rasa.utils.endpoints import EndpointConfig # 加载 NLU 模型 interpreter = RasaNLUInterpreter("path/to/nlu_model.tar.gz") # 加载 Core 模型 action_endpoint = EndpointConfig(url="http://localhost:5055/webhook") agent = Agent.load("path/to/core_model.tar.gz", interpreter=interpreter, action_endpoint=action_endpoint) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值