README

DEMO-GIF

说明

• 本项目基于最新版Rasa与Rasa x

• 会话管理使用的是rasa-core，rasa的pipeline配置如下：

  pipeline:
    - name: "MitieNLP"
      model: "data/total_word_feature_extractor_zh.dat"
    - name: "JiebaTokenizer"
      dictionary_path: "./jieba_userdict" 
    - name: "EntitySynonymMapper" 
    - name: "RegexFeaturizer"
    - name: "MitieFeaturizer"
    - name: "SklearnIntentClassifier"
  

  注意，这里的total_word_feature_extractor_zh.dat需要另外下载并放在/data目录下，建议去作者GaoQ1处下载

• policy配置如下

  policies:
  - name: MemoizationPolicy
  - name: KerasPolicy
  - name: MappingPolicy
  - name: TwoStageFallbackPolicy
        nlu_threshold: 0.3
        core_threshold: 0.3
  

• 关于本项目的更多细节可参照项目报告

配置环境

1. 下载zip包或者git clone

2. 创建虚拟环境（python==3.6.10，建议使用conda）

   conda create -n chat_box python=3.6.10
   

3. 激活虚拟环境

   windows下：

   activate chat_box
   

   Linux/Mac os:

   conda activate test_ncov
   

4. 然后在命令行使用

   pip install -r requirements.txt
   

5. tips：

   • 国内推荐使用镜像加速，比如：

     pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
     

   • 如果你有代理，可以在pip install命令后加上 --proxy=地址:端口

   • requirements中某些约束的安装可能会遇到问题，可自行google解决。比如Mitie安装需要Visual Studio与Cmake

   • rasa x需要使用如下命令安装：

     pip3 install rasa-x==0.25.2 --extra-index-url https://pypi.rasa.com/simple
     

     vpn开全局代理速度较快

运行bot

1. 使用conda创建虚拟环境

2. 打开两个终端，切换目录到项目根目录下，并都激活虚拟环境

3. 一个终端启动Action Server

   rasa run actions 
   

4. 另一个终端可以在命令行单独运行Rasa NLU

   rasa shell nlu
   

   也可以运行Rasa NLU + Rasa Core以直接和机器人对话

   rasa shell
   

   还可以启动本地Rasa X获得更直观、更友好的交互界面

   rasa x
   

5. 启动rasa x后，需要在模型页面激活模型

   

6. 也可以修改项目文件，如增加训练数据等，然后重新训练模型

   • 仅训练Rasa NLU模型

     rasa train nlu
     

   • 训练Rasa NLU+Rasa Core模型

     rasa train
     

   启动Rasa x后要手动激活最新训练的模型

参考

• Rasa官方文档：https://rasa.com/docs/
• Rasa官方教程: https://blog.rasa.com/tag/tutorials/
• api文档: https://lab.isaaclin.cn/nCoV/
• 中文预训练词向量: https://github.com/GaoQ1/rasa_chatbot_cn

TODO

• 部署到telegram/wechat

如有问题可以issue