注：RASA版本为3.1
1.RASA简介
RASA 是构建对话机器人的开源机器学习框架。
- NLU：确定意图，捕获关键上下文信息。
- CORE：提供多轮对话管理机制，自动学习上下文与当前意图的关联性。
2. RASA系统架构
- RASA开源体系结构
- NLU：意图分类、实体提取、响应检索。以管道的方式处理用户对话。
- 对话管理：根据上下文决定对话中的下一个动作。
- 代理：接收用户输入消息，返回RASA系统的回答。连接NLU和DM，得到Action，调用Action得到回答，保存对话数据到数据存储。
- 跟踪存储：对话的存储单元，保存用户和机器人的对话。（支持自定义存储）
- postgresql，SQLite，Oracle，Redis，MongoDB，DynamoDB
- 事件代理：机器人可以发布一个消息给其他服务来处理这些消息，也可以转发RASA服务的消息到其他服务。
- RabbitMQ，Kafka，SQL
- 锁：ID产生器。当RASA时一个集群部署时，客户端发送RASA服务端的消息每次不一定会寻址到同一个服务器，需要一个全局的会话ID，在消息处于活动状态时锁定会话，保证消息的顺序处理。
- 文件系统：无差别的文件存储服务，训练好的模型可以存储在不同的位置。
- 磁盘加载、服务器加载、云存储加载
- 行动服务
- 用户可以定义任何一种Action连接到 Action Server上，通过训练学习，RASA可以将policy路由到这个Action上，使机器人热插拔一个能力成为可能。
; 3. RASA消息处理过程
- 消息传入后，被Interpreter（解释器）接收。
- interpreter接收消息后，
- 将消息转换成字典（tokenizer）
- 转化成特征（featurizer）
- 提取命名实体（Extractors）
- 识别意图（Classifier）
这部分叫做自然语言理解（NLU）。interpreter将输出包括 实体， 意图，和 对话的特征一起传给Tracker。
- Tracker：用来 追踪记录对话状态的对象，将当前状态（特征，意图，实体）以及历史状态信息传给Policy。
- Policy（策略）：将当前状态以及历史状态一并 特征化，并传入预测模型（Policy），预测模型预测出下一个动作（Action）。
- Action完成实际动作，并将动作结果通知到tracker，成为历史状态。
- Action将结果返回给用户。
4. RASA项目的基本流程
- 初始化项目
- 准备NLU训练数据
- 配置NLU模型
- 准备故事（story)数据
- 定义领域（domain）
- 配置Rasa Core模型
- 训练模型
- 测试机器人
a. 常用命令
命令简介rasa init使用示例训练数据，操作和配置文件创建一个新项目。位于空目录下运行即可rasa train使用NLU数据和故事来训练模型，并将训练后的模型保存在中./models。rasa interactive开始一个交互式学习会话，以通过聊天创建新的训练数据。rasa shell加载经过训练的模型，并允许在命令行上与助手交谈。rasa run使用训练有素的模型启动Rasa服务器。有关详细信息，请参见配置HTTP API文档。rasa run actions使用Rasa SDK启动动作服务器。rasa visualize把stories可视化，生成一个html文件，本地可以打开。rasa test使用测试NLU数据和故事测试经过训练的Rasa模型。rasa data split nlu根据指定的百分比对NLU数据进行拆分。rasa data convert nlu在不同格式之间转换NLU训练数据。rasa export将对话从跟踪商店存储到事件代理。rasa x在本地启动RasaX。rasa -h显示所有可用命令。
b. 项目结构
.
├── actions
│ ├── __init__.py
│ └── actions.py
├── configs
│ ├── domain.yml
│ ├── config.yml
│ ├── credentials.yml
│ └── endpoints.yml
├── data
│ ├── nlu.yml
│ └── stories.yml
├── models
│ └── <timestamp>.tar.gz
└── tests
└── test_stories.yml
</timestamp>
4. 安装RASA
conda create -n rasa3py37 python=3.7
source activate rasa3py37
使用清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
先安装指定版本的TensorFlow
pip install tensorflow-text==2.7 -i https://pypi.doubanio.com/simple
pip install tensorflow==2.7 -i https://pypi.doubanio.com/simple
安装rasa
pip install rasa -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com --use-deprecated=legacy-resolver
若出现包冲突，则pip uninstall 并装对应版本的包
安装成功后，初始化，自动生成rasa项目所需文件
rasa init --no-prompt
测试
rasa shell
安装成功会在指定目录下生成初始化文件。
参考文献：
[1] 孔小泉,王冠.Rasa实战：构建开源对话机器人[M].电子工业出版社.2022:201.
[2] rasa的安装：https://zhuanlan.zhihu.com/p/439666645
[3] （二）RASA开源引擎介绍 https://zhuanlan.zhihu.com/p/331806270
Original: https://blog.csdn.net/qnstar_/article/details/125006137
Author: 就要辣谢谢。
Title: 对话机器人（二）——RASA概述与安装
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/531979/
转载文章受原作者版权保护。转载请注明原作者出处！