nlu为bots培育了一个自然语言解析器
rasa-nlu的Python项目详细描述
拉萨NLU
RASANLU（自然语言理解）是一种理解短文本所说内容的工具。 例如，接收如下短消息：
< Buff行情>"我在市中心找一家墨西哥餐馆"
返回结构化数据，如：
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
RASA NLU主要用于构建聊天机器人和语音应用程序，这称为意图分类和实体提取。 要使用rasa，必须提供一些培训数据。 也就是说，一组已经用它们的意图和实体标记的消息。 然后，rasa使用机器学习来提取模式，并将其归纳为看不见的句子。
您可以将rasa nlu看作一组高级api，用于使用现有的nlp和ml库构建您自己的语言解析器。
如果您是RASA NLU的新手，并且想要创建一个bot，您应该从教程开始。
当前的github主版本不再支持python 2.7（也不支持
将是下一个主要版本）。如果要将rasa nlu与python一起使用
2.7，请安装PYPI（0.14）的最新版本。 有关完整的安装说明，请参阅文档：安装 通过Docker图像
来自Docker Hub: （有关更多Docker安装选项，请参见高级Docker安装
通过python库
来自PYPI: （有关更多python安装选项，请参见高级python安装重要提示
快速安装
docker run -p 5000:5000 rasa/rasa_nlu:latest-full
pip install rasa_nlu
python -m rasa_nlu.server &
基本测试
上面使用的任何一种方法都可以执行下面的命令。
curl 'http://localhost:5000/parse?q=hello'
示例使用
获取服务器状态
curl 'http://localhost:5000/status'
检查服务器版本
curl 'http://localhost:5000/version'
培训新车型
示例 以及培训数据的文档 提供格式。但是作为一个快速的开始，执行下面的命令来训练 新型号
json格式
curl 'https://raw.githubusercontent.com/RasaHQ/rasa_nlu/master/sample_configs/config_train_server_json.yml' | \
curl --request POST --header 'content-type: application/x-yml' --data-binary @- --url 'localhost:5000/train?project=test_model'
这将训练一个简单的基于关键字的模型（除了这个演示之外，其他都不可用）。为了更好 管道参考文档。
降价格式
wget 'https://raw.githubusercontent.com/RasaHQ/rasa_nlu/master/sample_configs/config_train_server_md.yml'
curl --request POST --header 'content-type: application/x-yml' --data-binary @config_train_server_md.yml --url 'localhost:5000/train?project=test_model'
wget 'https://raw.githubusercontent.com/RasaHQ/rasa_nlu/master/sample_configs/config_train_server_md.yml'
curl --request POST --header 'content-type: application/x-yml' --data-binary @config_train_server_md.yml --url 'localhost:5000/train?project=test_model'
上述命令执行以下操作：
- 它获取回购协议中的一些示例数据
- 它将数据发布到
/train端点并命名模型project=test_model< > > - 从WIT、Luis或DialogFlow下载应用程序数据并将其输入RASA NLU
- 在计算机上运行rasa nlu，并将wit/luis api调用的url切换到
localhost:5000/parse< > > - 你不必把数据交给FB/MSFT/GOOG
- 您不必进行
https调用来解析每条消息。 - 您可以调整模型，使其在特定的用例中工作良好。
- 创建一个描述要处理的功能的问题（或者查看标签的问题需要帮助）
- 编写代码、测试和文档
- 创建一个pull请求，描述您的更改 < > >
- 更新rasa-nlu/version.py以反映更正版本号
- 编辑changelog.rst.rst，为版本创建一个新的部分（例如从收集的主部分移动项目），并创建一个新的主日志部分
- 编辑迁移指南以帮助用户更新到新版本
- 提交所有上述更改并标记新版本，例如使用
7 travis将构建这个标签并将一个包推送到pypiintent: search_restaurant entities: - cuisine : Mexican - location : center - 只有当它是一个主版本时，才应该创建一个指向与标记相同的提交的新分支，以允许将来的小补丁，例如。
8intent: search_restaurant entities: - cuisine : Mexican - location : center< > >
分析新请求
在执行下面的命令之前，请确保上面的命令已经完成。您可以使用上面的/status命令进行检查。
curl 'http://localhost:5000/parse?q=hello&project=test_model'
是给谁的？
目标受众主要是开发机器人程序的人，他们从零开始，或者寻找替代机器人程序的替代品。或对话框流。设置过程设计得尽可能简单。rasa nlu是用python编写的，但是您可以通过http api从任何语言使用它。如果您的项目是用python编写的，您可以简单地导入相关类。如果您当前正在使用WIT/Luis/DialogFlow，您只需：
为什么我要使用RASA NLU？
这些要点在 博客文章。 RASA是一套用于构建更高级的机器人的工具，由 公司rasa。拉萨自然语言 了解模块，以及第一个开源组件。
它支持哪些语言？
监督人ed_embeddings管道可以在任何语言中工作。 如果您想使用预先训练过的单词嵌入，可以使用 多种语言。请参见此处的详细信息。
如何贡献
我们很高兴收到并合并您的贡献。有关代码和文档样式的更多信息，请参见文档
一般来说，这个过程相当简单：
拉取请求将由维护人员进行审查，维护人员可能会向您回复任何必要的更改或问题。您还将被要求签署贡献者许可协议
高级安装
高级Python
来自github:
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
对于本地开发，请确保安装了开发要求：
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
测试安装使用（这将运行一个非常愚蠢的默认模型。你需要训练自己的模型来做一些有用的事情！
高级docker
开始之前，请确保您的机器上有最新版本的Docker引擎。您可以在终端中键入docker-v来检查是否安装了docker。
要查看所有可用的版本，请转到rasa docker hub，但要开始并以最快的速度运行：
docker run -p 5000:5000 rasa/rasa_nlu:latest-full
还有三个卷，您可能需要映射它们：/app/projects，/app/logs，以及/app/data。还可以通过将新的配置文件映射到卷/app/config.json来覆盖服务器使用的配置文件。有关完整的Docker使用说明，请访问官方的Docker Hub自述文件
要在容器启动后测试运行以下命令。有关使用http api的更多信息，请参见此处的
curl 'http://localhost:5000/parse?q=hello'
Docker云
警告！设置Docker Cloud相当复杂-除非您已经配置了Docker Cloud节点（或群集），否则不建议使用此方法。为Spacy&Mitie安装预先培训的型号
为了使用Spacy或Mitie后端，请确保您已安装了其中一个经过预培训的型号。
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
下载mitie模型运行并将其放置在您可以 模型培训期间配置中的参考：
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
如果要运行测试，需要将模型复制到rasa文件夹：
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
其中rasa nlu root指向您的rasa安装目录。
开发内部构件
发布新版本的步骤
发布新版本非常简单，因为这些包是由travis构建和分发的。要发布新版本，需要执行以下操作
运行测试
为了运行测试，请确保安装了开发要求。
intent: search_restaurant
entities:
- cuisine : Mexican
- location : center
许可证
在2.0版apache许可下授权。版权所有2019 Rasa Technologies GmbH.许可证副本
项目依赖项的许可证列表可以在 底部 库摘要
欢迎加入QQ群-->： 979659372
