rasa对话系统踩坑记(四)

前面几篇介绍了rasa-nlu-gao中自定义的几个模块,最近也没有怎么新增特别的模块,只是在词向量这块不断在尝试。后续项目里用了google的bert做词向量生成,当然这个也已经集成到了rasa-nlu-gao里面了。项目里是采用了bert-as-service,使用这个repo提供bert model的service。具体的用法可以参照config_embedding_bilstm.yml这个配置文件。

- name: "bert_vectors_featurizer"
  ip: '172.16.10.46'
  port: 5555

然而这篇想讲的不是模块的编写和使用。现在做的这个对话系统是在特定领域的耳聋遗传咨询,然而前天给老板汇报,老板说要支持闲聊的功能,我当时是拒绝的。然后经过一天的思考,现在已经能够实现了:)

所以呢,这里说说集成第三方闲聊接口的实现方法。这里的闲聊模型我们没有自己训练,因为代价太大效果也不见得多好。所以调用的图灵机器人openapi,当然你可以调用其他第三方的接口。那怎么集成到rasa-core之中呢?

这里我的思路是(后面可能会做些调整),如果在意图识别和action识别低于某个阈值时候,将调用第三方api。这里需要在train_dialogue里面加上FallbackPolicy这个方法,

def train_dialogue(domain_file, model_path, training_folder):
    agent = Agent(domain_file, policies=[
        MemoizationPolicy(max_history=8),
        KerasPolicy(MaxHistoryTrackerFeaturizer(BinarySingleStateFeaturizer(),
                                               max_history=8)),
        FallbackPolicy(nlu_threshold=0.7, core_threshold=0.3, fallback_action_name="action_default_fallback")])

    training_data = agent.load_data(training_folder)

    agent.train(training_data, epochs=100)
    agent.persist(model_path)

比如这里,给意图的阈值为0.7,action的阈值为0.3,就是说意图和预测的action分别低于这两个值的时候,会调用action_default_fallback这个自定义的action。而action_default_fallback在rasa-core写法如下:

class ActionDefaultFallback(Action):
    def name(self):
        return "action_default_fallback"

    def run(self, dispatcher, tracker, domain):    
        text = tracker.latest_message.get('text')
        message = get_response(text)
    
        if message['code'] == 100000:
            dispatcher.utter_message("{}".format(message['text']))
        else:
            dispatcher.utter_template('utter_default', tracker)

        return [UserUtteranceReverted()]

这里需要去看rasa-core中action的文档了。而图灵机器人api的调用,网上也有好多教程,我这里用的是v1的api

def get_response(msg):
    key = apikey
    api = 'http://www.tuling123.com/openapi/api?key={}&info={}'.format(
        key, msg)
    return requests.get(api).json()

apikey获取需要去图灵官网注册获取,每天有1000次免费调用,想更多需要付费了,如果有自己的闲聊模型或者更好的第三方那再好不过。

这里就已经完成在rasa系统里面集成闲聊的功能了,是不是有点简单,肯定还会有坑,还要继续踩啊,也是醉了。最后展示下效果


1.png

这里的“今天天气怎么样?”意图不在我的模型中,所以这里会调用第三方闲聊的api,并将结果返回。好吧,这个坑还要继续踩,先聊到这儿吧。
原创文章,转载请说明出处

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260