m0_49501453的博客

认识rasaRasa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架构消息处理此图显示了使用Rasa构建的助手如何响应消息的基本步骤：这些步骤分别是： 1. 收到消息并将其传递给解释器(Interpreter)，解释器将其转换为包含原始文本，意图和找到的任何实体的字典。这部分由NLU处理。 2. 跟踪器(Tracker)是跟踪对话状态的对象。它接收新消息进入的信息。 1. 策略(Policy)接收跟踪器的当前状态。 3. 该策略选择接下来采取的操作(action)。 4. 选择的操作由跟踪器记录。 5. 响应被发送给用户。被发送给用

RASA2.0搭建中文聊天机器人环境搭建# 优先安装这几个python包，后面缺什么补充什么rasa==2.0.0rasa-sdk==2.4.1tensorflow==2.3.2Flask==1.1.2开始搭建初始化项目# 命令创建rasa项目所需的所有文件，并根据一些示例数据训练一个简单的机器人rasa init初始化后会创建以下文件，介绍几个重要的文件，当然这些文件结构你也可以自己调整文件名作用config.yml配置NLU和Core的文件

为了对word embedding这种常用的文本向量化的方法进行巩固，这里我们会完成一个文本情感分类的案例现在我们有一个经典的数据集IMDB，这是一份包含了5万条流行电影的评论数据，其中训练集25000条，测试集25000条。数据格式如下：下图左边为名称，其中名称包含两部分，分别是序号和情感评分，（1-4为neg，5-10为pos），右边为评论内容但本次实验从简设计只实现二分类，即实现积极和消极的预测。