rasa_nlu 实战 处理英文

rasa_nlu 实战 处理英文

材料

pycharm
git
anaconda
https://github.com/RasaHQ/starter-pack-rasa-nlu

1、构建搭建rasa_nlu 环境，不在本地上运行

在terminal中
创建一个虚拟环境，使用python3.6
conda create -n rasa_nlu python=3.6
激活虚拟环境

conda activate rasa_nlu

2、从github上clone下来

在pycharm上配置解释器
file/setting中找到conda envirement
选择existing envirment
在目录中选择刚刚构建的虚拟环境

3、安装依赖包

pip install -r requirments.txt

requirments中tensorflow的版本信息不对，把tensorflow的版本信息去掉再安装

4、因为pipeline选择的是spacy，所以要安装spacy 模型

python -m spacy download en

5、训练模型

make train-nlu

默认训练的是文件data中的 .md文件
模型默认保存在current文件夹中

6、测试模型，命令行启动服务器

make run-nlu

重新开一个terminal

curl -X POST localhost:5000/parse -d '{"query":"Hello", "project": "current"}'

即可获取结果

最简单的处理英文的rasa-nlu即搭建完成了
大概只包含5个intent
到开源社区clone 包含其他intent的.md文件到data文件夹中重新训练模型
可提高智商（玩笑）