Install

主要安装包版本：

Ubuntu == 18.04 LTS

Anaconda == 3

Python == 3.7

neo4j == 3.2.9

rasa_core == 0.10.4

rasa_core_sdk == 0.12.1

rasa_nlu == 0.13.8

rasa_addons == 0.4.3

tensorflow == 1.8.0

gcc ==7.3.0

pypher

环境安装：

anaconda 安装：

wget https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.sh
bash Anaconda3-2018.12-Linux-x86_64.sh

rasa安装

基础包安装

pip install rasa_core==0.10.4

pip install rasa_addons==0.4.3
pip install sklearn_crfsuite
pip install jieba
rasa_nlu在安装rasa_core的过程中已经装好,此处不需要安装。

修改第三方开源文件由于前端网页返回值类型错误，所以修改开源文件。

vim  /home/user_name/anaconda3/envs/envs_name/lib/python3.6/site-packages/rasa_addons/webchat/__init.py

将文件中的125、126行注释:

#output_channel.custom_data = message['customData']
#on_message(UserMessage(message['message'], output_channel, request.sid))

修改成如下格式：

output_channel.custom_data = message
on_message(UserMessage(message,output_channel,request.sid))

安装pypher：按照https://github.com/emehrkay/Pypher提示安装
安装cocoNLP:

git clone https://github.com/fighting41love/cocoNLP.git
cd cocoNLP
python setup.py install

依赖包安装：当使用第三方包spacy时,需要下载安装依赖中文包zh-core-web-sm，点击链接。下载完成后执行以下指令：

pip install zh_core_web_sm-2.x.x.tar.gz
pip install xxx.tar.gz
spacy link zh_core_web_sm zh  （为方便使用，建立链接）

neo4j数据库安装

Neo4j基于Java8，所以在安装之前先安装Java8.

安装Java 8

下载Java8 点此链接。
安装Java8

tar -xzvf jdk*******x64.tar.gz
cd jdk******

修改环境变量

vim ~/.bashrc
export JAVA_HOME=your_path/jdk******
export JRE_HOME=${JAVA_HOME}/jre 
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib 
export PATH=${JAVA_HOME}/bin:$PATH 
source ~/.bashrc
java -version

若能正常显示Java版本，则安装成功。

安装Neo4j

Neo4j官方网站下载安装包，或者点此下载。
安装Neo4j

tar -xzvf neo4j-******.tar.gz 
cd neo4j-******/bin
./neo4j console

导入数据

打开Neo4j的web端，一般是https://127.0.0.1:7474
将*.CSV数据文件复制到/neo4j/neo4j-community-3.2.9/import路径下，并打开此路径下的load_csv.py文件。
打开/chatbot/coarse_grained/load_csv.py文件，将文件内的命令逐行复制到Neo4j的web端命令窗口逐行执行。
点击数据库图标出现节点属性等信息即代表数据导入完成。
```
      数据文件需线下拷贝。
```

chatbot安装

安装git:

sudo apt-get install git

下载代码：

下载代码需要Gitlab用户权限，需要加入此项目用户组。
git clone http://gitlab.ai.chuangxin.com/sv-med/img/workreports/wikis/home

训练模型

训练细粒度意图识别模型

cd chatbot/fine_grained
bash train_NLU.bash

训练rasa_nlu

cd chatbot/coarse_grained
bash train_NLU.bash

训练rasa_core

cd chatbot/coarse_grained
bash train_CORE.bash

启动chatbot

打开数据库

cd /neo4j/neo4j-community-3.2.9/bin
./neo4j console

运行chatbot:

python webchat.py

在浏览器中打开http://127.0.0.1:5500/，即可进行对话。

文件说明

文件结构

代码

train_CORE.bash: 训练意图识别模块
train_NLU.bash: 训练对话管理模块
webchat.py：前端代码
botAction.py：自定义对话机器人回复动作。

训练数据

./data/文件夹下

domain.yml：实体、动作等定义模块
chatito.txt: rasa_nlu训练数据
nlu_model_config.yaml：rasa_nlu的pipline设定。
stiries.md: 业务逻辑设计
training_dataset.json：训练数据，可以使用链接生成。

模型

./models/文件夹下

./dialogue/文件夹下主要是意图识别模型
./nlu/文件夹下主要是对话管理模型

caihao20/Rasa_QAbot