需要源码和数据集请点赞关注收藏后评论区留言~~~
一、数据准备
1：下面以pychar为环境介绍操作步骤，选择file-new project 创建一个新项目 new environment using 选择 Virtualenv 命名虚拟环境的名称，这里假定虚拟环境的名称为venv，选定python interpreter和项目的保存位置 其他选项保持默认值
2：打开pycharm的terminal界面 在命令行执行 virtualenv venv命令创建项目运行的虚拟环境，然后执行 venv\scripts\activate 命令激活虚拟环境 如果虚拟环境下的操作已经完成 可以使用命令deactivate推出虚拟环境
3：在源代码路径下执行命令 pip install -r requirements.txt 安装相应的库文件
按照上面的步骤安装配置好之后 在terminal页面执行 rasa init命令 生成一个模板Rasa客服应用
模板生成后 系统会提示是否进行初始训练 这里选择否 不进行训练 会自动生成一些文件 项目目录结构如下
二、模型训练
启动虚拟环境 在pycharm命令行窗口执行Rasa train训练模型 首先执行的是NLU训练
NLU模型训练结束后 开始训练Core模型
模型训练完成
三、交互式学习
通过启动交互式学习 可以使智能客服在测试过程中与测试员进行人机交互，从而为提升算法的学习效率提供直接的数据反馈，在Python中可以通过启动调试功能输出详细日志，实现交互训练的目的，启动交互式学习后，用户可以对训练内容进行选项确认，保证测试结果正确无误，在命令行窗口执行rasa interactive命令 启动交互式学习模式 根据提示信息结果提供响应
四、Rasa智能客服测试实战
执行rasa shell命令 启动命令行窗口智能客服对话模式
输入语句 客服会给出回答
五、代码
部分代码如下 需要全部代码请点赞关注收藏后评论区留言~~~
# This files contains your custom actions which can be used to run # custom Python code. # # See this guide on how to implement these action: # https://rasa.com/docs/rasa/custom-actions # This is a simple example for a custom action which utters "Hello World!" from typing import Any, Text, Dict, List # from rasa_sdk import Action, Tracker from rasa_sdk.executor import CollectingDispatcher # # class ActionHelloWorld(Action): # def name(self) -> Text: return "action_hello_world" def run(self, dispatcher: CollectingDispatcher,ra# tracker: Tracker, domain: Dict[Text, Any]) -> List[Dict[Text, Any]]: dispatcher.utter_message(text="Hello World!") return []
创作不易 觉得有帮助请点赞关注收藏~~~
