Rasa Core源码之Policy训练

context.png

上下文的联系与理解是对话系统中重要的一块，直接影响与机器人对话的体验。最近接触了RASA系列，包括自然语言理解的rasa nlu和对话管理的rasa core。简单方便的实现一个任务对话系统的同时，也好奇其内部实现使用的技术。花时间读了Rasa Core关于上下文理解部分的源码，后面有机会再把rasa对话系统的其他模块的实现也做一个源码的分析。

2017-12-22

基于rasa的对话系统搭建（下）

基于上文训练的自然理解模型，这里介绍使用rasa core 的online leaning 进行对话决策的训练，在进行对话模块训练之前，需要准备两个文件：

  • domain.yml # 定义对话所有的意图、槽、实体和系统可能采取的action
  • story.md # 对话训练语料， 开始可以用于预训练对话模型，后期加入在线学习过程中生成的语料，更新完善。

2017-12-03

基于rasa的对话系统搭建（上）

文章介绍使用rasa nlu和 rasa core 实现一个电信领域对话系统demo，实现简单的业务查询办理功能，更完善的实现需要进一步数据的收集。demo基于玩具数据集，可以达到下面的效果：

1
2
3
4
5
6
7
8
9
10
11
12
13
Bot loaded. Type a message and press enter : 
YOU：你是谁
BOT：您好!，我是机器人小热，很高兴为您服务。
YOU：我想看一下消费情况
BOT：您想查询哪个月的消费？
YOU：十月份的
BOT：好，请稍等
BOT：您好，您十月份共消费二十八元。
YOU：好谢谢
BOT：您开心我就开心
BOT：您还想干什么
YOU：没什么了
BOT：Bye， 下次再见

2017-12-01

pytorch源码：C拓展

head

读了pytorch的Python部分源码，不断追溯代码，很多类都会继承“_C”模块里的内容，如：

2017-08-20