用于构建聊天机器人的对话数据

Question

我正在用rasa-nlu构建一个聊天机器人。我看过了教程，我已经构建了一个简单的机器人。然而，我需要大量的训练数据来构建一个聊天机器人，能够预订出租车。所以我需要数据来构建一个特定的机器人。

是否有用于预订出租车的存储库或语料库？或者有没有一种方法可以生成这种数据集？

Answer 1

这是一篇来自Rasa创始人之一的博客文章，我认为它提供了一些非常好的建议。我认为你要求预先建立训练集的方式是错误的。自己开始，然后添加朋友，等等，直到你建立了一个最适合你的机器人的训练集。

Put on your robot costume

除此之外，Rasa文档在improving model performance下提供了以下内容

当rasa_nlu服务器运行时，它会跟踪所做的所有预测，并将这些预测保存到日志文件中。默认情况下，日志文件放在logs/中。此目录中的文件每行包含一个json对象。您可以修复任何错误的预测，并将它们添加到您的训练集中，以改进您的解析器。

我想你会惊讶于你能用你自己想出的训练集走多远。

祝你好运找到语料库，但无论哪种方式，希望这些链接和片段有所帮助。

Answer 2

执行此操作的一种方法是，前往

使用Office 365登录，制作自己的出租车预订应用程序，输入意图和话语，如下所示：

​

​

​

​

现在，在训练和发布模型之后，下载语料库，如下所示：

​

现在，下载语料库后，它将如下所示：

​

安装RASA NLU，我的机器上安装了Windows 8.1，因此步骤如下：

以下是配置RASA的步骤：

第一次安装: Anaconda 4.3.0用于安装Python3.6的64位Windows解释器：https://repo.continuum.io/archive/Anaconda3-4.3.0-Windows-x86_64.exe

&

Python Tools for Visual Studio2015：https://ptvs.azureedge.net/download/PTVS%202.2.6%20VS%202015.msi

接下来，在命令提示符的管理模式下，按此顺序安装以下软件包：

1. Spacy机器学习软件包：pip安装-U spacy
2. Spacy英语模型：-m scipy
3. Sklearn spacy下载sklearn-crfsuite
4. NER软件包：pip安装用于数学计算的python软件包：-U pip安装用于数学计算的软件包：-U pip安装用于意图识别的python软件包：pip安装-U使用Spacy更好地识别实体：duckling
5. RASA rasa_nlu==0.10.4

code>pip install -U NLU：pip install -U NLU

成功安装上述所有包后，制作一个spaCy配置文件，RASA将读取该文件，如下所示：

{
    "project": "Travel",
    "pipeline": "spacy_sklearn",
    "language": "en",
    "num_threads": 1,
    "max_training_processes": 1,
    "path": "C:\\Users\\Kunal\\Desktop\\RASA\\models",
    "response_log": "C:\\Users\\Kunal\\Desktop\\RASA\\log",
    "config": "C:\\Users\\Kunal\\Desktop\\RASA\\config_spacy.json",
    "log_level": "INFO",
    "port": 5000,
    "data": "C:\\Users\\Kunal\\Desktop\\RASA\\data\\FlightBotFinal.json",
    "emulate": "luis",
    "spacy_model_name": "en",
    "token": null,
    "cors_origins": ["*"],
    "aws_endpoint_url": null
  }

接下来，创建一个目录结构，如下所示：

data folder ->将包含所有LUIS格式的语料库

models ->将包含所有经过训练的模型

logs ->将包含活动学习日志和RASA框架日志

像这样，

​

​

现在，制作用于训练和启动RASA NLU服务器的批处理文件脚本。

使用记事本或Visual Studio代码创建一个TrainRASA.bat，并编写以下代码：

 python -m rasa_nlu.train -c config_spacy.json
 pause

现在使用记事本或Visual Studio Code创建一个StartRASA.bat，并编写以下代码：

python -m rasa_nlu.server -c config_spacy.json
pause

现在，通过单击您刚才创建的批处理文件脚本来训练并启动RASA Server。

现在，一切都准备好了，只需启动chrome并向enpoint /parse发出HTTP GET请求。

喜欢：http://localhost:5000/parse?q=&project=

您将获得一个对应于Bot Framework C#的LUISResult类的JSON响应。

​

​

现在处理您想要在此之后执行的业务逻辑。

或者，您可以查看RASA核心，它主要是为此目的而构建的。

RASA Core, which uses machine learning to build dialogs instead of simple if-else statements.

Answer 3

下面的链接包含与商业聊天机器人应用程序相关的数据集(“人机对话”)。它是一个相当全面的人-人和人机文本对话数据集的集合，以及音频对话数据集。https://breakend.github.io/DialogDatasets/