- 综合排序
- 最热优先
- 最新优先
- 来自专栏Michael阿明学习之路
Rasa NLU 实践
实践 learn from https://github.com/Chinese-NLP-book/rasa_chinese_book_code 1. 实践 pip install --no-deps -r full_requirements.txt cd Chapter02/ rasa train nlu 训练 rasa train nlu ┌── │ │ To learn more, check out https://rasa.com/docs/rasa/telemetry/telemetry. /opt/bdp/data01/anaconda3/envs/rasa/lib/python3.8/site-packages/rasa/utils/train_utils.py:527: UserWarning shell nlu rasa shell nlu /opt/bdp/data01/anaconda3/envs/rasa/lib/python3.8/site-packages/future/standard_library
1.6K30编辑于 2022-11-18 - 来自专栏Soul Joy Hub
rasa 介绍文档
Rasa介绍 1.1 架构 Rasa Open Source: NLU (理解语义) + Core (决定对话中每一步执行的actions) Rasa SDK: Action Server (调用自定义的 1.3 常用命令 rasa init # 使用自带的样例数据生成一个新的 project rasa train # 训练模型 rasa test # 测试训练好的 rasa 模型 (默认使用最新的) rasa interactive # 和 bot 进行交互，创建新的训练数据 rasa shell # 加载模型 (默认使用最新的)，在命令行和 bot 对话 rasa run # 使用训练好的模型，启动 server，包括 NLU 和 DM rasa run actions # 使用 rasa SDK，启动 action rasa_chinese是rasa人员针对中文开发的包，安装如下： pip install rasa_chinese pip install rasa_chinese_service 其中包括基于 HuggingFace
3.3K32编辑于 2022-05-10 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏（八）：在Docker上运行Rasa
如果你之前没有使用过Rasa，我们建议你先Rasa教程开始。 唯一的区别是你将使用镜像rasa/rasa在Docker容器中运行Rasa。 rasa/rasa是要运行的docker镜像的名称。 Docker镜像将rasa命令作为其入口点，这意味着你不必键入rasa init，只需init即可。 可以使用你的训练数据训练模型 rasa / rasa:latest-full:使用标记为latest-full的Rasa镜像 train:在容器内执行rasa train命令。 )/models:/app/models:在容器中挂载已训练的Rasa模型目录 rasa/rasa:latest-full:使用标记为latest-full的Rasa镜像 run:执行rasa run命令
6.4K11发布于 2020-03-04 - 来自专栏Soul Joy Hub
【RASA】TED Policy：Dialogue Transformers
最近工作中使用到rasa，其core部分有一个rasa自己提出的TED Policy框架组建，可用于进行对话决策。 这种比较嵌入之间相似性的过程类似于Rasa NLU pipeline中的EmbeddingIntentClassifier预测意图分类的方式。
1.2K10编辑于 2021-12-17 - 来自专栏Soul Joy Hub
【RASA】DIET：Dual Intent and Entity Transformer
最近工作中使用到rasa，其nlu部分有一个rasa自己提出的DIETClassifier框架组建，可用于意图分类与实体识别。 所以，在rasa的DIETClassifier组件中，use_masked_language_model参数默认配置为 False 具有 GloVe emb的 DIET 也具有同等的竞争力，并且在与sparse
1.7K20编辑于 2021-12-07 - 来自专栏Michael阿明学习之路
Rasa 使用ResponseSelector实现FAQ和闲聊
训练 Rasa 4. rules.yml domain.yml config.yml endpoints.yml 客户端/服务端 测试 learn from https://github.com/Chinese-NLP-book/rasa_chinese_book_code 训练 Rasa 将 ResponseSelector 加入 pipeline pipeline: - name: xxx特征提取组件 - name: xxx意图分类组件 - name: "ResponseSelector true intents: - goodbye - greet - faq responses: utter_greet: - text: 你好，我是 Silly，我是一个基于 Rasa train 运行服务 rasa run --cors "*" --cors "*" 解决跨域问题 Chapter04> python -m http.server 在浏览器里 打开
1.1K20编辑于 2022-12-01 - 来自专栏Coding01
Rasa X 安装之Docker Compose 模式
本文主要下载的镜像包括：rasa/rasa-x，rasa/duckling，rasa/rasa，rasa/rasa-x-demo 等。 // 加速下载 rasa-x docker pull rasa/rasa-x:0.31.0 docker tag docker.io/rasa/rasa-x:0.31.0 registry.cn-hangzhou.aliyuncs.com /rasa/duckling:0.1.6.3 docker pull rasa/rasa:1.10.8-full docker tag docker.io/rasa/rasa:1.10.8-full RASA_X_USERNAME: ${RASA_X_USERNAME:-admin} RASA_X_PASSWORD: ${RASA_X_PASSWORD:-} RASA_X_TOKEN: ${ "http://rasa-production:5005" RASA_WORKER_HOST: "http://rasa-worker:5005" RASA_TOKEN: ${RASA_TOKEN
2.8K30发布于 2020-08-07 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏开篇
专栏目录 1.Rasa 聊天机器人专栏开篇：简介与安装 2.Rasa 聊天机器人专栏（一）：基本原理介绍 3.Rasa 聊天机器人专栏（二）：命令行界面 4.Rasa 聊天机器人专栏（三）：架构介绍 5.Rasa 聊天机器人专栏（四）：消息和语音通道 6.Rasa 聊天机器人专栏（五）：模型评估 7.Rasa 聊天机器人专栏（六）：验证数据 8.Rasa 聊天机器人专栏（七）：运行服务 9.Rasa 聊天机器人专栏（八）：在Docker上运行Rasa 10.Rasa 聊天机器人专栏（九）：云存储 安装 Rasa 的推荐安装方式是通过pip: pip install rasa-x --extra-index-url https://pypi.rasa.com/simple 这将同时安装Rasa和Rasa X。 如果你想使用Rasa的开发版本，你可以从GitHub上获得: git clone https://github.com/RasaHQ/rasa.git cd rasa pip install -r requirements.txt
3.2K30发布于 2019-12-06 - 来自专栏Michael阿明学习之路
Rasa Core实践 报时机器人
端点 endpoints.yml 7. rasa SDK、自定义动作 自定义动作 运行自定义动作 8. rasa 支持的客户端 9. rasa core 对话记录 和 选择下一个动作 1. 端点 endpoints.yml 定义了 rasa core 和 其他服务进行连接的配置信息 7. rasa SDK、自定义动作 安装 rasa时，默认安装 单独安装 pip install rasa-sdk 服务器，没有的话，返回 [] 运行自定义动作 跟rasa一起安装的sdk，rasa run actions 单独安装的 python -m rasa_sdk --actions actions 8. rasa 支持的客户端 支持 Facebook、Rasa Webchat、Chatroom 等 跟 IM 连接的组件 称为 connector 其负责实现通信协议 rasa支持自定义 连接器，支持同时使用多个连接器连接
1.6K10编辑于 2022-12-01 - 来自专栏日常学python
rasa，一个强大的 Python 库！
Github地址：https://github.com/RasaHQ/rasa Rasa是一个开源的机器学习框架，用于构建对话式人工智能（AI）。 安装 安装Rasa相对简单，可以通过pip命令直接安装： pip install rasa 为了确保所有依赖项都被正确安装，建议在虚拟环境中进行安装。 初始化项目 rasa init 这个命令会创建一个新的Rasa项目，包括所有基础的配置文件和训练数据示例。 2. 训练模型 rasa train 这将训练对话管理和NLU模型。 3. 总结 在本文中，详细介绍了Python Rasa库的功能及其在聊天机器人开发中的应用。Rasa作为一个开源框架，提供了丰富的工具和功能，使得开发复杂的对话系统变得更加简单和高效。 从基本的对话管理到高级的对话策略，Rasa都能够提供强大的支持。还探讨了Rasa在不同实际应用场景中的表现，如客户服务、健康顾问、个性化推荐系统及企业内部助手等，展示了其广泛的适用性和灵活性。
1.2K10编辑于 2024-04-30 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏（七）：运行服务
作者 | VK 编辑 | 奇予纪 出品 | 磐创AI团队出品 运行HTTP服务 你可以使用经过训练的Rasa模型运行一个简单的HTTP服务来处理请求: rasa run -m models --enable-api 各个参数分别代表: -m: 包含Rasa模型的文件夹的路径 —enable-api: 启用此附加API —log-file: 日志文件的路径 Rasa可以通过三种不同的方式加载你的模型: 从服务获取模型 注意: 你的模型服务必须提供压缩的Rasa模型，并将{“ETag”:<model_hash_string>}作为其头部之一。如果此模型哈希发生更改，Rasa将下载新模型。 如果没有，Rasa期望具有204或304状态码的空响应。 要在端点配置中配置事件代理，请参阅事件代理 （https://rasa.com/docs/rasa/api/event-brokers/#event-brokers） 原文链接：https://rasa.com
3K31发布于 2020-03-04 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏（五）：模型评估
你可以使用以下方法将NLU训练数据拆分为训练集和测试集： rasa data split nlu 如果你已经这样做了，你可以使用此命令查看你的NLU模型预测测试用例的情况： rasa test nlu 如果你使用spaCy或预训练实体提取器，Rasa NLU将不会在评估中包含这些。 Rasa NLU将报告训练过的CRFEntityExtractor识别的每种实体类型的召回率，精确率和f1度量。 小白也能学会的PyTorch入门系列 专栏目录 1.Rasa 聊天机器人专栏开篇：简介与安装 2.Rasa 聊天机器人专栏（一）：基本原理介绍 3.Rasa 聊天机器人专栏（二）：命令行界面 4 .Rasa 聊天机器人专栏（三）：架构介绍 5.Rasa 聊天机器人专栏（四）：消息和语音通道 6.Rasa 聊天机器人专栏（五）：模型评估 7.Rasa 聊天机器人专栏（六）：验证数据 8.Rasa 聊天机器人专栏（七）：运行服务 9.Rasa 聊天机器人专栏（八）：在Docker上运行Rasa 10.Rasa 聊天机器人专栏（九）：云存储
2.8K31发布于 2019-12-23 - 来自专栏Coding01
构建Rasa低成本的Docker开发部署环境
注：由于 Rasa X 自成体系，在学习过程中，我还是放在「学习 Kubernetes 的系列」中去了解 Rasa X 的使用。 version: '3.0' services: rasa: image: rasa/rasa:1.10.8-full ports: - 5005:5005 volumes # Extend the official Rasa SDK image FROM rasa/rasa-sdk:2.0.0a1 # Use subdirectory as working directory version: '3.0' services: rasa: image: rasa/rasa:1.10.8-full ports: - 5005:5005 volumes 具体参考：Rasa 开篇之 hello world[4] 训练我们的 model： docker-compose exec rasa rasa tran 重启容器： docker-compose restart
3.3K10发布于 2020-08-27 - 来自专栏AINLP
基于RASA的task-orient对话系统解析（一）
Rasa Tutorialrasa.com ? rasa对话系统踩坑记（一）www.jianshu.com ? 备注：主要聚焦于非端到端的任务型对话系统开发。 RASA简介 关于rasa本身，看了网上的一些博客，已经有不少同学写了相关的内容，因此这里就不做重复的叙述。 因此rasa的对话管理是包括槽填充的。 RASA整体架构 首先，看一下rasa框架的代码结构。如图所示： ? rasa代码结构 本文涉及的rasa版本是1.1.8，当前rasa在pip上的版本为1.2.5，版本间代码有轻微变动，不过与0.1.X版本相比，代码结构有很大不同，将之前的rasa_core和rasa_nlu
3.6K30发布于 2019-08-28 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏（六）：验证数据
你可以使用以下命令运行它: rasa data validate 上面的命令运行会验证所有的问及那。 以下是命令的一次选项: 用法: rasa data validate [-h] [-v] [-vv] [--quiet] [-d DOMAIN] [--data DATA] 可选参数: -h, -- (默认:domain.yml) --data DATA 包含Rasa数据的文件或目录。(默认:data) Python日志选项: -v, --verbose 详细输出。 请参阅以下代码: import logging from rasa import utils from rasa.core.validator import Validator logger = logging.getLogger
93411发布于 2020-03-04 - 来自专栏磐创AI技术团队的专栏
Rasa 聊天机器人专栏（三）：架构介绍
作者 | VK 编辑 | 奇予纪 出品 | 磐创AI团队出品 AI学习路线之Keras篇 架构介绍： 消息处理 此图显示了使用Rasa构建的助手如何响应消息的基本步骤： mark 这些步骤分别是：
1.5K11发布于 2019-12-12 - 来自专栏Coding01
用 TensorFlow_text(3) 构建 Rasa 中文分词 tokenizer
本文 1570字，需要 3.92 分钟 前一段时间简单了解 tensorflow_text 简单中文分词使用[1]，再结合 Rasa 的学习，就萌生出模仿 Rasa 的结巴分词 tokenizer，造一个 在 Rasa 源代码路径： /rasa/nlu/tokenizers 创建文件 tensorflow_text_tokenizer.py： import glob import logging import import Component from rasa.nlu.tokenizers.tokenizer import Token, Tokenizer from rasa.shared.nlu.training_data.message 测试 我们在 examples 路径下直接利用 Rasa 源代码执行环境 init 一个 demo 出来： poetry run rasa init ? 总结 下一步计划完善 TensorFlow Text Tokenizer 分词功能，提交代码给 Rasa，看是否有机会参与 Rasa 的开源项目。
1.7K10发布于 2021-02-24 - 来自专栏山行AI
什么是Rasa智能机器人？如何与LLM结合？
前言 之前写过一篇介绍用Rasa结合类似于GPT这种LLM应用的项目：RasaGpt——一款基于Rasa和LLM的聊天机器人平台 在文章发出来后收到一些反馈，很多人对于Rasa也不太了解。 设置你的 Rasa 项目 就像从头开始创建一个项目一样，你可以使用 rasa init 命令创建一个项目。唯一的区别是你将在 Docker 容器内运行 Rasa，使用镜像 rasa/rasa。 •rasa/rasa-sdk:3.5.1：使用标签为 3.5.1 的 Rasa SDK 镜像。 三、Rasa框架架构 Rasa框架模块组成 Rasa框架图 Rasa opensource就是我们下载rasa源码时候的主体部分，rasa通过这个主体可以外接知识图谱、Rasa SDK、Rasa X rasa train 在Rasa中，当你运行rasa train命令时，将触发以下执行流程： 1.数据加载：Rasa会加载训练数据，包括NLU数据和对话流程数据。
8.7K31编辑于 2023-06-14 - 来自专栏Michael阿明学习之路
Rasa 基于规则的对话管理: 天气预报机器人
: url: "http://localhost:5002/api" actions.py from typing import Any, Dict, List, Text from rasa_sdk import Action, Tracker from rasa_sdk.executor import CollectingDispatcher from service.normalization exec_msg) else: dispatch.utter_message(weather_data) return [] 测试 rasa train 搜索 心知天气，注册获取免费的 api key 运行动作服务器 SENIVERSE_KEY=XXX rasa run actions windows set %SENIVERSE_KEY %=xxx rasa run --cors "*" python -m http.server 测试结果： 缺少词槽的情况： 上下文继承
2.4K20编辑于 2022-12-13 - 来自专栏人工智能
使用Botkit和Rasa NLU构建智能聊天机器人
Rasa NLU 在本节中，我将详细解释Rasa NLU，并且提供给你一些你应该熟知的在NLP中常用的术语。 意图： 将用户的诉求告知机器。 例如：提出投诉，要求退款等请求。 Rasa基本上提供了一个在各种NLP和ML库之上的高层次的API来负责”意图”的分类和“实体”的提取。这些NLP和ML库则被称为后端，是他们使得Rasa变得智能化。 这是一个与MITIE后端训练Rasa有关的好教程。如果你是一名初学者，那么你可以通过参考此文档来安装Rasa。 在这里我们已经扩展了Botkit-Rasa媒介软件，你可以在这里找到它们。 Botkit-Rasa有两个功能：接收和监听，这两个功能覆盖了Botkit原有的默认操作。 Rasa会返回以下内容： 意图：设备宕机 实体：设备=手机 如果你稍加注意便会发现，我所提供的输入并不存在于我的训练档案中，Rasa内置的智能功能能够正确的识别这些组合起来的”意图”和“实体”。
6.5K90发布于 2018-01-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号