浮生物语的博客

记录学习

0%

rasa总结文档

发表于 更新于 分类于

1. 基本命令

1.1 训练模型

无论是单独训练，还是2个模型一起训练，均可以使用rasa train命令实现（rasa nlu和rasa core合并为RASA），不同之处在于，提供的训练数据，若同时提供两份数据，则会同时训练nlu和core。

  • 训练nlu模型

    1
    python -m rasa train --config configs/zh_jieba_supervised_embeddings_config.yml --domain configs/domain.yml --data data/nlu/number_nlu.md data/stories/number_story.md

  • 训练core模型

    1
    python -m rasa train --config configs/zh_jieba_supervised_embeddings_config.yml --domain configs/domain.yml --data data/stories/number_story.md

  • 一起训练两个模型

    1
    python -m rasa train --config configs/zh_jieba_supervised_embeddings_config.yml --domain configs/domain.yml --data data/nlu/number_nlu.md data/stories/number_story.md

1.2 启动rasa

  • 不额外独立nlu服务

    1
    python -m rasa run --port 5005 --endpoints configs/endpoints.yml --credentials configs/credentials.yml

  • 启动额外nlu服务

    1
    python -m rasa run --port 5005 --endpoints configs/endpoints.yml --credentials configs/credentials.yml --enable-api -m models/nlu-20190515-144445.tar.gz

  • 单独启动nlu服务

    1
    rasa run --enable-api -m models/nlu-20190515-144445.tar.gz

  • 调用第三方模型服务

    1
    rasa run --enable-api --log-file out.log --endpoints my_endpoints.yml

    在my_endpoints.yml中配置rasa模型的url

    1
    2
    3
    models:
      url: http://my-server.com/models/2019-1222.tar.gz
      wait_time_between_pulls: 10   # [optional](default: 100)

    rasa模型还可以存放在S3 , GCS and Azure Storage 云盘中，同样远程调用，这里不多赘述。

    https://rasa.com/docs/rasa/user-guide/configuring-http-api/

nlu服务开启后，post方式调用

post http://localhost:5005/model/parse

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
input:
{"text": "明天成都的天气如何"}
output:
{
    "intent": {
        "name": "request_weather",
        "confidence": 0.5547698674
    },
    "entities": [
        {
            "entity": "date_time",
            "value": "明天",
            "start": 0,
            "end": 2,
            "confidence": null,
            "extractor": "MitieEntityExtractor"
        },
        {
            "entity": "address",
            "value": "成都",
            "start": 2,
            "end": 4,
            "confidence": null,
            "extractor": "MitieEntityExtractor"
        }
    ],
    "intent_ranking": [
        {
            "name": "request_weather",
            "confidence": 0.5547698674
        },
        {
            "name": "affirm",
            "confidence": 0.0898880708
        },
        {
            "name": "deny",
            "confidence": 0.078563989
        },
        {
            "name": "thanks",
            "confidence": 0.072717722
        },
        {
            "name": "goodbye",
            "confidence": 0.0726876305
        },
        {
            "name": "greet",
            "confidence": 0.0697155938
        },
        {
            "name": "whattodo",
            "confidence": 0.0443638481
        },
        {
            "name": "whoareyou",
            "confidence": 0.0172932785
        }
    ],
    "text": "明天成都的天气如何"
}

1.3 启动action

1
python -m rasa run actions --port 5055 --actions actions --debug

2. NLU

1590138247599

1590138270872

2.1 数据格式

rasa支持markdown和json两种数据格式，同时提供了相互转化的命令。

nlu训练数据包含四个部分：

  • Common Example

    唯一必须提供数据。由三部分组成：intent、text、entities。

    ## intent: 你的意图名称

    - text

    text中可以不包括实体，如果有实体使用[entityText](entityName)来标记。

  • synonyms

  • Regular Expression Features

  • lookup tables

2.2 数据转化

rasa提供了json和markdown格式的转化命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
usage: rasa data convert nlu [-h] [-v] [-vv] [--quiet] --data DATA --out OUT
                             [-l LANGUAGE] -f {json,md}

optional arguments:
  -h, --help            show this help message and exit
  --data DATA           Path to the file or directory containing Rasa NLU
                        data. (default: None)
  --out OUT             File where to save training data in Rasa format.
                        (default: None)
  -l LANGUAGE, --language LANGUAGE
                        Language of data. (default: en)
  -f {json,md}, --format {json,md}
                        Output format the training data should be converted
                        into. (default: None)

Python Logging Options:
  -v, --verbose         Be verbose. Sets logging level to INFO. (default:
                        None)
  -vv, --debug          Print lots of debugging statements. Sets logging level
                        to DEBUG. (default: None)
  --quiet               Be quiet! Sets logging level to WARNING. (default:
                        None)

example：

1
rasa data convert nlu --data M3-training_dataset_1564317234.json --out M3-training_dataset_1564317234.md -f md

3. core

备注1： core模型是一个分类分为，类别数为domain中定义的action数。action主要分为以下4类：

  • custom action

  • utterance：response、template

  • default actions

    [‘action_listen’, ‘action_restart’, ‘action_session_start’, ‘action_default_fallback’, ‘action_deactivate_form’, ‘action_revert_fallback_events’, ‘action_default_ask_affirmation’, ‘action_default_ask_rephrase’, ‘action_back’]

  • forms（表单）

action类别为各类action取交集后的结果。

备注2：用户可以直接像core发送请求，不经过nlu模块。参数格式：/intent{“entityName”: “entityValue”, …}

1
2
3
4
{
	"sender": "kkkkkkk",
	"message": "/search_treat{\"disease\":\"丛集性头痛\", \"sure\":\"丛集性头痛\"}"
}
1
2
3
4
5
6
7
8
9
10
[
    {
        "recipient_id": "kkkkkkk",
        "text": "丛集性头痛的简介：从集性头痛(clusterheadaches)亦称偏头痛性神经痛、组胺性头痛、岩神经痛、蝶腭神经痛、Horton头痛等，.病员在某个时期内突然出现一系列的剧烈头痛。一般无前兆，疼痛多见于一侧眼眶或(及)额颞部，可伴同侧眼结膜充血、流泪、眼睑水肿或鼻塞、流涕，有时出现瞳孔缩小、垂睑、脸红、颊肿等症状。头痛多为非搏动性剧痛。病人坐立不安或前俯后仰地摇动，部分病员用拳击头部以缓解疼痛。"
    },
    {
        "recipient_id": "kkkkkkk",
        "text": "丛集性头痛的治疗方式有：药物治疗、支持性治疗"
    }
]