使用Rasa_core和Rasa_nls框架搭建问答机器人

2024-01-19 14:18

本文主要是介绍使用Rasa_core和Rasa_nls框架搭建问答机器人,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 前期准备

1.1 采集数据

采集有关南京博物院的有关数据,并进行中文分词(其中还需要用户自定义词典),其主要技术为:python爬虫、 jieba分词
内容如下:

在这里插入图片描述

1.2 构建语料库

根据已经采集好的数据构建语料库,其相关技术:MITIE工具

2 RASA_NLU

NLU模块的任务是:

  • 意图识别 (Intent):在句子级别进行分类,明确意图;
  • 实体识别(Entity):在词级别找出用户问题中的关键实体,进行实体槽填充(Slot Filling)。

2.1 进行rasa_nlu配置

配置文件如下:

language: "zh"pipeline:
- name: "nlp_mitie"model: "data/total_word_feature_extractor.dat"
- name: "tokenizer_jieba"user_dicts: "./user.dict"
- name: "ner_mitie"
- name: "ner_synonyms"
- name: "intent_entity_featurizer_regex"
- name: "intent_featurizer_mitie"
- name: "intent_classifier_sklearn"

2.2 准备训练数据

数据格式如下:
在这里插入图片描述

2.3 训练

代码如下:

  from rasa_nlu.training_data import load_datafrom rasa_nlu.config import RasaNLUModelConfigfrom rasa_nlu.model import Trainerfrom rasa_nlu import configfrom rasa_core.agent import Agentfrom rasa_core.policies.memoization import MemoizationPolicyfrom rasa_core.interpreter import RasaNLUInterpreterfrom rasa_core.policies.keras_policy import KerasPolicyfrom rasa_core.channels.console import ConsoleInputChannel# 训练模型def train():# 示例数据training_data = load_data('data/museum.json')# pipeline配置trainer = Trainer(config.load("sample_configs/museum_config.json"))trainer.train(training_data)model_directory = trainer.persist('./models/demo/')print(model_directory)predict(model_directory) # 识别意图def predict(model_directory):from rasa_nlu.model import Metadata, Interpreterinterpreter = Interpreter.load(model_directory)# 使用加载的interpreter处理文本print (interpreter.parse(u"这里有什么好看的展览"))if __name__=='__main__':train()

2.4测试rasa_nlu

在这里插入图片描述

3 RASA_CORE

3.1 定义domain.yml

格式如下:在这里插入图片描述

3.2 进行在线学习

代码如下:

   from rasa_nlu.training_data import load_datafrom rasa_nlu.config import RasaNLUModelConfigfrom rasa_nlu.model import Trainerfrom rasa_nlu import configfrom rasa_core.agent import Agentfrom rasa_core.policies.memoization import MemoizationPolicyfrom rasa_core.interpreter import RasaNLUInterpreterfrom rasa_core.policies.keras_policy import KerasPolicyfrom rasa_core.channels.console import ConsoleInputChanneldef train_online(input_channel=ConsoleInputChannel(),interpreter=RasaNLUInterpreter("models/demo/default/model_20180701-171646"),domain_file="data/domain.yml",training_data_file="data/museum_story.md"):agent = Agent(domain_file,policies=[MemoizationPolicy(), KerasPolicy()],interpreter=interpreter)agent.train_online(training_data_file,input_channel=input_channel,max_history=2,batch_size=50,epochs=200,max_training_samples=300)if __name__=='__main__':train_online()

训练过程如下:
在这里插入图片描述
最终得到stories.md
格式如下:
在这里插入图片描述

3.3 训练对话

采用LSTM网络训练对话
代码如下:

  from rasa_nlu.training_data import load_datafrom rasa_nlu.config import RasaNLUModelConfigfrom rasa_nlu.model import Trainerfrom rasa_nlu import configfrom rasa_core.agent import Agentfrom rasa_core.policies.memoization import MemoizationPolicyfrom rasa_core.interpreter import RasaNLUInterpreterfrom rasa_core.policies.keras_policy import KerasPolicyfrom rasa_core.channels.console import ConsoleInputChanneldef train_dialogue(domain_file="data/domain.yml",model_path="models/dialogue",training_data_file="stories.md"):agent = Agent(domain_file,policies=[MemoizationPolicy()])agent.train(training_data_file,max_history=3,epochs=100,batch_size=50,augmentation_factor=50,validation_split=0.2)agent.persist(model_path)if __name__=='__main__':train_dialogue()

4 微信展示

4.1 前言

由于域名需要备案(正在审查),所以微信小程序的接口不能申请成功,于是调用了微信的接口实现了对话过程。并且这里的代码将回答直接写进代码只作为测试使用,并没有去数据库查询数据。
代码如下:

  from wxpy import *import requestsbot = Bot(cache_path=True)friend =bot.friends().search('蒋双庆')[0]@bot.register()def reply_msg(msg):url = 'http://127.0.0.1:5005/conversations/default/parse'p = {'query':msg.text}r = requests.get(url, params=p)intent = r.json()['tracker']['latest_message']['intent']['name']if(intent=='greet'):msg.reply("您好!我是您的专属智慧导游“小博”!")elif(intent=='goodbye'):msg.reply('再见!')elif(intent=='person_search'):msg.reply('弗朗特斯克·毕勒克,19世纪末20世纪初捷克新艺术运动的杰出代表。他和其他艺术家一样“还生活于艺术”,又和其他艺术家不一样,用自己的艺术感觉在宗教和神秘中找寻曾经的安全感。')msg.reply_image('images/1.jpg')elif(intent=='exhibition_search'):msg.reply('近期有一场新的展览“毕勒克——捷克新艺术运动大师”,展出毕勒克绘画、雕塑等35件作品,展现了他“还生活于艺术”的创作理念,也表达了对人类命运的反思。')elif(intent=='painting_search'):msg.reply('弗朗特斯克·毕勒克的主要代表作有《主祷文》、《我的太阳》、《手》等等')elif(intent=='painting_description'):msg.reply('《主祷文》是耶稣基督传给门徒的祷告词,是礼拜仪式中通用的祈祷文。毕勒克认为艺术是生活的表现,生活因真理而存在,他的艺术态度即为宗教忏悔。创作这几幅《主祷文》主题的画作时毕勒克28岁,年轻的他在作品中表现出神奇的洞察力,并用奇特的表现手法,展露了与众不同的艺术风格。')msg.reply_image('images/2.jpg')embed()

4.2 对话过程展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于使用Rasa_core和Rasa_nls框架搭建问答机器人的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/622689

相关文章

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

MySQL双主搭建+keepalived高可用的实现

《MySQL双主搭建+keepalived高可用的实现》本文主要介绍了MySQL双主搭建+keepalived高可用的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,... 目录一、测试环境准备二、主从搭建1.创建复制用户2.创建复制关系3.开启复制,确认复制是否成功4.同