AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


了解开源对话式 AI - Rasa
发布日期:2024-10-12 14:59:40 浏览次数: 1786 来源:技术吧


Rasa是一个开源的机器学习框架,用于自动化基于文本和语音的助理。构建真正帮助客户的上下文助理和聊天机器人很困难。Rasa 提供了高性能、有弹性、专有的上下文助理所需的基础设施和工具。借助 Rasa,所有开发人员都可以创建更好的基于文本和语音的助手。

为什么选择Rasa?


RASA NLU 的主要优点是您可以访问整个 Python 处理管道,并可以使用复杂的自定义逻辑对其进行扩展。RASA NLU 提供现实世界中对话解决方案所需的基础设施功能,例如模型持久性或 HTTP 访问。

Rasa与Dialogflow的比较


RASA 的组件:


1.自然语言理解(NLU)

Rasa 自然语言单元 是一种自然语言理解模块。它由松散耦合的模块组成,在一致的 API 中结合了许多自然语言处理和机器学习库。

NLU 实际上是做什么的?
  • 将文本转换为向量并对意图进行分类。

  • 实体的提取(如果有)

对于此过程,NLU 使用 Tokenizer 将传入文本转换为标记,然后

词性标注器:词性标注器或 POS 标注器处理单词序列,并将词性标记附加到每个单词。

分块:分块的主要目标之一是将其分组为所谓的“名词短语”。这些是由一个或多个单词组成的短语,其中包含名词,可能是一些描述性单词,可能是动词,也可能是副词之类的东西。这个想法是将名词与与其相关的单词分组

在分块器之后,实体被识别并提取。

2. 自然语言生成(NLG)

自然语言生成 是人工智能的一个分支,旨在缩小机器与人类之间的沟通差距。该技术通常接受非语言格式的输入,并将其转换为人类可理解的格式,如报告、文档、短信等。

3. 对话管理

为什么使用 Rasa Core 进行对话处理?

通过从输入文本中提取意图和实体,这些数据会与之前的状态混淆以获得新的操作。这些新动作将更新为状态并产生输出并用于下一个输入。

如何安装Rasa:


  • 先决条件:

    • Visual studio 14.0.0+ (not VS Code)

    • python3

  • 使用 pip 安装 rasa

 pip install rasa

安装完成后,rasa CLI 就会启用。

  • 初始化项目

 rasa init

在您的项目文件夹(空文件夹)中,命令提示符,它会问以下问题,

  1. 请输入将创建项目的路径[默认:当前目录] - 指定路径或按 Enter 键默认

  2. 您想训练初始模型吗?- 对于初学者,是的(推荐),训练模型需要一些时间。

  3. 您想在命令行上与训练有素的助手交谈吗?- 否(推荐),如果您想了解 rasa 聊天机器人如何工作,可以按“是”。

如果你想跳过这些问题,请添加--no-prompt

 rasa init --no-prompt

通过此过程,会在您指定的目录中创建一些文件。

  • 这将创建以下文件:

    • (可选)data/responses.md(*):您可以在数据文件夹中单独创建响应文件。

    • models/.tar.gz:这是rasa训练的模型。

    • endpoints.yml:此文件包含连接到 FB Messenger 等通道的详细信息。

    • domain.yml (*):包含意图列表、响应、操作、槽和表单列表。这是您的机器人的域。

    • data/stories.md (*):此文件包含您的机器人的故事。这是意图和响应之间的桥梁

    • data/nlu.md (*):该文件包含 NLU 的意图名称和意图,您从这里开始编写意图。

    • credentials.yml:其中包含连接到其他服务的详细信息。这包含凭据详细信息。

    • config.yml (*):此文件用于配置 NLU 和 Core 模型。该文件包含足够的详细信息,例如语言、管道、NLU 的纪元详细信息以及核心协议。

    • actions.py:您可以在此 python 文件中自定义操作代码。

    • init.py:这是一个空的 python 文件,有助于查找您的操作。

最重要的文件标有“*”。

训练和测试机器人:


创建自己的机器人后,您必须通过以下代码来训练它

 rasa train

它将在模型文件夹中创建一个新模型。您可以通过两种不同的方式对其进行测试:

  1. 使用shell

     rasa shell

    这将创建一个与您的机器人聊天的界面。

  1. 使用postman/curl

    首先,运行以下命令

     rasa run -m models --enable-api --log-file out.log

    它创建本地主机,您可以在其中使用curl进行交互

     curl localhost:5005/model/parse -d '{“text”:“你好”}
  2. 提供的其他 API 列表



53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询