Rasa：开源的机器学习框架

最新推荐文章于 2025-04-15 13:32:50 发布

Indra_ran

最新推荐文章于 2025-04-15 13:32:50 发布

阅读量3.4k

点赞数 24

CC 4.0 BY-SA版权

文章标签：开源机器学习人工智能 linux centos 运维

本文链接：https://blog.youkuaiyun.com/Indra_ran/article/details/122900265

一、Rasa简介

Rasa是一套用来构建基于上下文的AI小助手和聊天机器人框架。

分为两个主要的模块：

NLU：自然语言理解模块，实现意图识别以及槽值的提取，将用户的输入转化为结构性数据，在训练过程中，为了提高从用户信息的实体识别能力，采用了预先训练的实体提取器Pre-trained Entity Extractors，正则表达式Regexes，同义词Synonyms等
Rasa Core：对话管理模块，也是一个平台，用来预测决定下一步做什么，其中对话数据包括了stories以及rules
- 其中设计对话数据时分为happy and unhappy paths，前者表示用户按照预期来进行会话，但用户通常会通过提问，闲聊或其他要求来进入后者。
RasaX：一个交互工具，帮助用户构建，改进和部署由Rasa框架搭成的聊天机器人

其中，rasa版本已经发展到了3.0，与之前的1.0，2.0都有较大的差距，在这里会直接介绍最新版本，感兴趣的可以了解其他版本。

二、Rasa的数据构成

在此处，构建小助手是使用rasa官网的交互式网页来构建的，可以直接将训练数据输入并训练，再进行测试，十分方便。也可以将你的模型下载下来，方便之后的使用与改进。以下是Rasa的数据构成

2.1NLUdata

在这里，意向(intent)及其示例(examples)用作聊天小助手的自然语言理解（NLU）模型的训练数据

nlu:
- intent: greet
  examples: |
    - Hi
    - Hey!
    - Hallo
    - Good day
    - Good morning

- intent: subscribe
  examples: |
    - I want to get the newsletter
    - Can you send me the newsletter?
    - Can you sign me up for the newsletter?

2.2Responses

现在，聊天小助手已经理解了用户可能会说的几条消息，它需要可以发回给用户的响应Responses

responses:
   utter_greet:
       - text: |
           Hello! How can I help you?
       - text: |
           Hi!
   utter_ask_email:
       - text: |
           What is your email address?
   utter_subscribed:
       - text: |
           Check your inbox at {email} in order to finish subscribing to newsletter!
       - text: |
           You're all set! Check your inbox at {email} to confirm your subscription.

2.3Stories

Stories是示例对话，可根据用户之前在对话中所说的内容正确响应训练助手。格式显示用户消息的意图，后跟助手的操作或响应。

stories:
 - story: greet and subscribe
   steps:
   - intent: greet
   - action: utter_greet
   - intent: subscribe
   - action: newsletter_form
   - active_loop: newsletter_form

Stories的编写注意事项

2.4Forms

在许多情况下，聊天助手需要从用户那里收集信息。例如，当用户想要订阅新闻稿时，助理必须询问其电子邮件地址，您可以使用表单在Rasa中执行此操作

slots:
  email:
    type: text
    mappings:
    - type: from_text
      conditions:
      - active_loop: newsletter_form
        requested_slot: email
forms:
  newsletter_form:
    required_slots:
    - email

2.5Rules

规则描述了对话的某些部分，无论之前在对话中说了什么，这些部分都应始终遵循相同的规则。我们希望我们的助手始终使用特定操作响应某个意图，因此我们使用Rules将该操作映射到意图

rules:
 - rule: activate subscribe form
   steps:
   - intent: subscribe
   - action: newsletter_form
   - active_loop: newsletter_form

 - rule: submit form
   condition:
   - active_loop: newsletter_form
   steps:
   - action: newsletter_form
   - active_loop: null
   - action: utter_subscribed

Rules的好处：

单轮交互：某些消息不需要任何上下文来回答它们。规则Rules是将意向映射到响应的简单方法，可指定这些消息的固定答案。
回退行为：与回退分类器结合使用时，可以编写规则来响应具有特定回退行为的低可信度用户消息。
表单：激活和提交表单通常遵循固定路径。您还可以编写规则来处理表单中的意外输入

举个例子，比如询问使用信用卡A支付还是信用卡B来支付，但是用户通常会询问信用卡的账户余额，而不是直接回答选择哪一个来支付。

以上数据准备完成之后就可以在官网上进行训练并测试结果，也可以下载下来。

三、Rasa的简单安装

python版本为3.7或者3.8，推荐使用Ubuntu系统，并且使用虚拟环境。

Linux环境下python虚拟环境virtualenv安装和使用——包含虚拟环境集中管理库

python3 -m venv ./venv #创建虚拟环境,
source venv/bin/activate #激活虚拟环境
pip3 install -U pip && pip3 install rasa # 安装rasa，pip的版本在21.3
rasa init  #创建默认的初始项目，项目文件

此项目还需要其他的依赖包，需要什么就下载什么就可以了。