【机器学习】Rasa NLU以及Rasa Core概念和语法简介（超详细必看）

快来打我* 2023-09-30 17:34 72阅读 0赞

> **觉得有帮助请点赞关注收藏~~~**

## 一、Rasa简介 ##

Rasa是一个开源机器学习框架，可以用于构建基于文本和语音的对话驱动型自动化智能客服助手，能够克服传统客服的部分缺陷，在Windows操作系统环境下，可以使用pip install rasa完成安装，它主要包含以下两个主要模块

Rasa框架

（1）自然语言理解 （Rasa Natural Language Understanding：Rasa NLU）：主要功能是实现用户意图识别、实体提取和参数优化等。例如，将用户输入的无结构化信息转换为有序的结构化信息，Rasa支持本地部署，并支持包括英语和汉语等在内的多种语言

（2）对话管理（Rasa Core）：Core模块的主要功能为预测，因此可以针对未知场景提供适当的响应。

## 二、Rasa NLU详解 ##

Rasa NLU模块的主要功能包括用户意图理解，实体提取和参数优化等等，Rasa使用意图概念作为用户消息分类的基本准则，可以将用户输入信息分成单数意图或者复数意图，可以从空白开始训练，也支持预加载训练模型，针对中文等不以空格分隔文本的场景，可以使用结巴分词进行数据预处理。

Rasa NLU需要解决包括数据质量 超范畴词语以及近意图混淆区分等问题 下面介绍Rasa相关基本概念和基本要素

### （1）意图（intent） ###

训练数据是创建Rasa智能客服的重要基础步骤，Rasa基于用户意图（intent）关键字进行分类，相同意图内部通过关键字examples加以区分,意图通常由对话的动词部分组成。

实例： - intent: name\_query

examples: | - Please show me your first name and last name. - What is your full name in Chinese?

### （2）实体（Entities） ###

实体是可以从用户消息中提取出来的结构化、规则性信息，实体注解语法表达格式如下，还可以在实体参数后面加上其他参数如角色信息（role）、组信息（group）和 值信息（value）。 \[<entity-text>\]\{"entity": "<entity name>"\}

实例： - intent: ask\_preference examples: | - what is your favorite \[product\]\{"entity": "preference"\} - which one do you like the best among \[the list of products\]\{"entity": "preference"\}

### （3）同义词（Synonyms） ###

同义词将提取出来的信息映射到其他相近的表达。

实例： - synonym: disease examples: | - sickness - illness

### （4）正则表达式（Regular Expressions） ###

正则表达式可以用来过滤和匹配信息，实现信息分类、信息检索和实体提取的目的。

实例： - regex: account\_info examples: | - \[a-zA-Z0-9\]

### （5）故事（Stories） ###

故事是用户和智能客服之间的对话信息，用以训练用户与客服程序之间的对话模型，并且自动扩展应用到未知的对话场景以便生成正确的响应。故事由名字（story）、概要信息（metadata，可选项）和步骤（steps）组成。其中步骤可以包括用户消息（user message）、动作（action）、表格（form）以及检查点（checkpoint）等组成。

实例： stories: - story: basics\_query metadata: identification: id\_card

### （6）用户消息（user message） ###

用户消息由必选关键字intent指定，也可以通过可选关键字entities指定。

实例： stories: - story: story\_info steps: - intent: intent\_list entities: - entity: entity\_list - action: action\_list

### （7）动作（Actions） ###

动作包括特定响应动作（responses）和自定义动作（Custom actions），前者由客服程序自动返回特定信息给用户，而后者的信息响应偏重随机性。

实例： stories: - story: story\_response steps: - intent: response \#特定响应动作 - action: utter\_response \#定制动作 - action: action\_response

### （8）规则（Rules） ###

规则是一种用于训练对话管理模型的训练数据,符合规则的内容遵循相同匹配路径。

实例： rules: - rule: Transfer request to the department if the user requests confirmation

steps: - intent: confirm - action: utter\_confirm

### （9）域（Domain） ###