/rasa_ch_faq

用 rasa 实现 rasa demo 机器人，有一些惊奇的功能，faq，图谱，多轮等

Primary LanguagePythonMIT LicenseMIT

rasa_ch_bot

用 RASA 实现 RASA Bot 后端。 能够回答关于 RASA 的问题，以及一些例子。 欢迎大家多提 RASA 相关的问题，或者想看的示例，我会补充在这里。

前端地址: 这里

功能更新

  • [2021-08-04] 增加 onnx + 量化（用于提高特征提取的速度）的 feature 提取组件 # 一些注意事项
  • [2021-06-24] 增加知图谱的接入(放在GRAPH分支了)
  • [2021-06-01] 增加文本纠错 pipeline (由于 demo 较慢，默认未开启，如何开启？)
  • [2021-05-20] AlbertFeaturizer （在dev分支）
  • [2021-05-13] 增加按钮 demo
  • [2021-05-11] 支持查看 BTC 行情
  • [2021-05-08] 支持 吸猫\狗\狐狸。支持 根据图片搜索动漫出处。
  • [2021-05-06] 支持 找饭店 demo。
  • [2021-04-13] 实现追问demo，实现细节。

部分功能展示

FAQ

grtKwF.gif

天气查询及BTC查询功能

grtGS1.gif

吸动物

grt2m8.gif

搜动漫

grtUeO.gif

知识图谱

RQE8gA.gif

支持的问题列表

请参见: 问题列举

一些配置

分词使用的 bert， 自定义了 tokenizers

如何运行

由于使用了 bert_chinese， 所以 需要下载 bert_chinese 模型。 并放到 pre_models 文件夹中，重命名为 tf_model.h5 命令执行:

curl -L https://www.flyai.com/m/bert-base-chinese-tf_model.h5 -o pre_models/tf_model.h5
rasa train

一些文件说明

run.py  # 相当于运行 rasa run
train.py  # == rasa train
run_action_server.py  # == rasa run actions
load_model.py   # 直接加载并运行模型，与 server 无关。（需要先训练好一个模型）

一些工具

back_translation.py  # 回译脚本
# 使用方式
python back_translation.py 需要回译的文本

ONNX注意事项

1. 使用说明

config 更改为：

  - name: compoments.nlu.featurizer.lm_featurizer.OnnxLanguageModelFeaturizer
    cache_dir: ./tmp
    model_name: bert
    model_weights: pre_models
    onnx: false  # 是否开启 onnx
    quantize: true  # 是否使用量化

下载 torch 的模型

curl -L https://www.flyai.com/m/bert-base-chinese-pytorch_model.bin -o pre_models/pytorch_model.bin

2. 依赖安装

pip install torch==1.9.0 transformers==4.8.2 onnx==1.9.0 onnxruntime==1.8.0 onnxruntime-tools==1.7.0 psutil==5.8.0

3. 一些注释

  1. 速度能提升多少， 可以参考这篇文章
  2. 量化后 速度有额外提升，但是效果可能会变差，需要根据语料调整
  3. 如何测试效果并查看结果
rasa train nlu && rasa test nlu
cat results/intent_errors.json
  1. 为什么没有用 tensorflow 用来做 onnx 尝试多次，都失败了，暂时未找到解决办法（输入的纬度不匹配），如果有人成功了，可以告诉我！！感谢！！！🙏

我要直接看答案！！！

从零开始搭建机器人

1. 下载项目并进入

git clone https://github.com/Dustyposa/rasa_ch_faq.git 
cd rasa_ch_faq

2. 安装依赖

pip install -r requirements.txt
curl -L https://www.flyai.com/m/bert-base-chinese-tf_model.h5 -o pre_models/tf_model.h5
rasa train

ps: 注意 python 版本 37+

3. 训练模型

rasa train

4. 运行机器人

需要开两个 shell/iterm 第一个:

rasa shell

第二个:

rasa run actions

然后就可以在第一个 shell 窗口对话了

从 1 开始搭建机器人

这个是干啥的?如果第一个你已经会了，我们加点前端展示的，效果参看这里

1. 下载前端项目并进入

git clone -#-depth 1 https://github.com/Dustyposa/rasa_bot_front
cd rasa_bot_front

2. 启动前端

参照文档

3. 启动 rasa

同样是两个 shell/iterm，第一个命令稍有不同:

rasa run --cors "*"

第二个:

rasa run actions