对话机器人（五）——RASA：Config

定义了模型将用于根据用户输入进行预测的组件和策略。recipe: 当前配置文件所用的格式，rasa仅支持default.v1格式。

recipe: default.v1
language: en

pipeline:
# 将由 Suggested Config 功能选择

policies:
- name: MemoizationPolicy
- name: TEDPolicy
  max_history: 5
  epochs: 10

1. pipline组件

组件构成NLU pipline并按顺序将用户输入处理成结构化输出。包含语言模型、分词器、特征提取、实体识别、意图分类、结构化输出。

组件具有以下特征：

• 组件的顺序至关重要
• 组件是可以替换的
• 有些组件时互斥的
• 有些组件可以同时使用

a. 语言模型

加载预训练的词向量模型。

(1) MitieNLP

MITIE 库需要一个语言模型文件，必须在配置中指定。

pipeline:
- name: "MitieNLP"
  # 加载语言模型
  model: "data/total_word_feature_extractor.dat"

可以使用mitie预训练自己的词向量。参考： 用 Rasa NLUpedia 制造自己的中文NLU 系统

(2) spaCyNLP

初始化 spaCy 结构。每个 spaCy 组件都依赖于此，需要放在pipline的开头。

pipeline:
- name: "SpacyNLP"
  # 加载语言模型
  model: "en_core_web_md"
  # 当检索单词向量时，这将决定单词的大小写是否相关。' False'则是忽略大小写。
  case_sensitive: False

参考： 安装 SpaCy

b. 分词器

组件	依赖	备注
JiebaTokenizer	Jieba
MitieTokenizer	Mitie	支持中文分词
spaCyTokenizer	spaCy

• 还可以自定义分词器

pipeline:
- name: "JiebaTokenizer"
  dictionary_path: "path/to/custom/dictionary/dir"
  # 检查是否拆分意图的标志
  "intent_tokenization_flag": False
  # 意图分割的符号
  "intent_split_symbol": "_"
  # 正则表达式检测token
  "token_pattern": None

c. 特征提取

组件	类型	特点
MitieFeaturizer	密集特征
SpacyFeaturizer	密集特征
ConveRTFeaturizer	密集特征	仅在英语会话语料库上进行训练
LanguageModelFeaturizer	密集特征
RegexFeaturizer	稀疏特征	会读取训练数据中的正则表达式配置
CountVectorsFeaturizer	稀疏特征	使用词袋模型
LexicalSyntacticFeaturizer	稀疏特征	提供词法和语法特征

(1) MitieFeaturizer

pipeline:
- name: "MitieFeaturizer"
  # 池化操作。'mean'和'max'
  "pooling": "mean"

(2) SpacyFeaturizer

pipeline:
-