初识Rasa Core(1)

初识Rasa Core

Rasa是一套开源的机器学习框架，是构建基于上下文的AI小助手、聊天机器人的一个工具。Rasa主要有两个模块——Rasa NLU和Rasa Core。其中，对话管理Core是整个Rasa不可缺少的一环。

接下来我会借助网络的知识点，结合自身的学习过程和浏览翻阅来完成Rasa Core系列的学习，以下内容都是手敲完成，并无复制粘贴或者粘贴他人图像，谢谢大家的阅读和指正。

1、Rasa的安装

在进入cmd下输入以下命令即可。

pip install rasa_core

这里下载的rasa core会比较繁多，容易出现超时的现象。

pip --default-timeout=600 install **  ## 此处的**是对应的包名

结合以上两个代码安装rasa core应该会更加方便一些。

另外就是一般的安装过程。比如官方推荐安装方式（安装rasa和rasa X）：

pip install rasa-x --extra-index-url https://pypi.rasa.com/simple

当然如果您不想使用Rasa X，请改为运行如下即可

pip install rasa

2、Rasa Core介绍

Rasa Core中，Core包括两个内容：stories和domain。

首先从中文上讲，前者是故事的意思；后者是领域的意思。两者结合可以认为是“在大致的聊天领域(domain)中结合语境(stories)，机器人完成响应问题的回答”。

2.1 Stories

Stories可以理解成对话的场景流程，简单来说，一个故事就是描述一个场景。比如说：“我向另一个人问最近过得怎么样？—>另一个人就要根据自己的实际情况，即好？or不好？—>我来根据另一个人的恢回复做出回复”。

此时这个“我”就是机器人所要做的事。

2.1.1 Stories格式详情

符号	说明
##	story标题
*	意图
-	动作

请看以下示例：

## story_happy
* greet
  - utter_greet
* mood_happy
  - utter_happy

## story_unhappy
* greet2
  - utter_greet
*  mood_unhappy
  - utter_unhappy

此时创建一个markdown格式的目录，将如上内容保存为stories,md即可。

2.2 Domain

domain可以理解为机器的知识库，即怎么构建机器人能够回答的范围(领域:domain)，这里定义了意图、动作以及对应动作所反馈的内容。

标识	说明
intents	意图
actions	动作
templates	回答模板
entities	实体
slots	词槽

比如如下的例子：

intents:
  - greet
  - mood_happy
  - mood_unhappy

actions:
- utter_greet
- utter_happy
- utter_unhappy

templates:
  utter_greet:
  - text: "你好，你今天过的怎么样"

  utter_happy:
  - text: "那很棒棒哦"

  utter_unhappy:
  - text: "怎么了呀！可以告诉我吗"

这部分的内容保存到domain.yml上即可。

很明显，在stories中的* greet对应着domain.yml中的- greet；- utter_greet对应着domain.yml中的action。Rasa Core的任务在于获取到用户的意图后，选择正确的action。这些action就是定义在domain.yml下以utter_开头的内容。

每一个action会根据templates(回答模板)的情况返回对应的内容。

3、创建一个机器人对话项目

在cmd下输入以下命令

rasa init --no-prompt

接下来会出现以下的场面：

它创建以下文件：

文件名	功能
actions.py	自定义actions的代码文件
data/nlu.md	Rasa NLU的训练数据
data/stories.md	Rasa stories的相应数据
config.yml	Rasa NLU 和 Rasa Core 的配置文件
credentials.yml	定义和其他服务连接的一些细节。例如rasa api接口
domain.yml	Rasa domain 文件
endpoints.yml	和外部消息服务对接的 endpoins 细则

以上粗体字说明在整个项目中比较重要！！

3.1 定义一个NLU训练数据(解释器)

目前我们的机器人已经可以通过输入意图来获取答案了，但是怎么让机器理解真正的语言呢？这个时候我们就需要用到NLU模块了。

在目前已经创建好的整个项目中，并不会单独的创建出对话管理而不出现NLU(自然语言理解)部分的内容。对于学习Rasa Core的学习者而言，NLU的知识我们同样需要具备。

在Rasa NLU中，我们需要定义自己的机器人应该能够以Rasa NLU训练数据格式处理用户的消息。当然这里是以markdown格式来获取NLU训练数据。

(附加：markdown格式也可以用来写博客哟，有兴趣的话可以多加学习！)

3.2 定义一个故事

我们可以通过以下两种方式创建故事：

• 手动创建一个故事并且直接将它们写入文件
• 使用交互式学习创建故事

比如我们选择第一个，即手动创建。并且根据如下代码(Stories举例的案例)来了解stories的格式。

## story_happy
* greet
  - utter_greet
* mood_happy
  - utter_happy

## story_unhappy
* greet2
  - utter_greet
*  mood_unhappy
  - utter_unhappy

4、cmd下的命令及其功能

在cmd下有以下几个命令以及功能供大家了解：

命令	功能
rasa init	使用示例训练数据，操作和配置文件创建新的项目
rasa train	使用自己的NLU数据和故事训练模型
rasa interactive	自动交互式学习会话，通过聊天创建新的培训数据
rasa shell	加载训练有素的模型，并且让你在命令行上与助手聊天
rasa run	使用训练有素的模型启动Rasa服务器。
rasa run actions	使用Rasa SDK启动操作服务器。
rasa visualize	可视化故事。
rasa test	使用您的测试NLU数据和故事测试训练有素的Rasa模型。
rasa data split nlu	根据指定的百分比执行NLU数据的拆分。
rasa data convert nlu	在不同格式之间转换NLU训练数据。
rasa -h	显示所有可用命令。

总结

以上就是我对Rasa Core的相关内容的学习和简单的总结性介绍。后续会进行实际例子的创建，谢谢大家的阅读和指正。