Rasa 聊天机器人专栏开篇
专栏简介
Rasa 是最火的聊天机器人框架，是基于机器学习和自然语言处理技术开发的系统。Rasa 中文官方文档包括聊天机器人，上下文管理，多伦对话，意图识别，填槽，中文聊天机器人开发必备手册。
专栏目录
1.Rasa 聊天机器人专栏开篇：简介与安装
2.Rasa 聊天机器人专栏（一）：基本原理介绍
3.Rasa 聊天机器人专栏（二）：命令行界面
4.Rasa 聊天机器人专栏（三）：架构介绍
5.Rasa 聊天机器人专栏（四）：消息和语音通道
6.Rasa 聊天机器人专栏（五）：模型评估
7.Rasa 聊天机器人专栏（六）：验证数据
8.Rasa 聊天机器人专栏（七）：运行服务
9.Rasa 聊天机器人专栏（八）：在Docker上运行Rasa
10.Rasa 聊天机器人专栏（九）：云存储
安装
Rasa 的推荐安装方式是通过pip:
pip install rasa-x --extra-index-url https://pypi.rasa.com/simple这将同时安装Rasa和Rasa X。如果你不想使用Rasa X,只需要运行pip install Rasa
除非你已经安装了numpy和scipy，否则我们强烈建议你安装并使用Anaconda。
如果你想使用Rasa的开发版本，你可以从GitHub上获得:
git clone https://github.com/RasaHQ/rasa.git
cd rasa
pip install -r requirements.txt
pip install -e .Windows系统下的环境要求
确保安装了Microsoft vc++编译器，这样python就可以编译任何依赖项。你可以从Visual Studio获得编译器。下载安装程序并在列表中选择vc++构建工具。
NLU 管道依赖项
Rasa NLU有用于识别意图和实体的不同组件，其中大多数都有一些额外的依赖项。
当你训练NLU模型时，Rasa将检查是否安装了所有必需的依赖项，并告诉你缺少哪一个依赖项。[选择管道]()的页面将帮助你选择要使用的管道。
注意： 如果你想确保为你可能需要的任何组件安装了依赖项，并且不介意有其他依赖项存在，那么你可以使用
pip install -r alt_requirements/requirements_full.txt安装所有依赖项。
一个很好的开始：spaCy提供的pretrained embeddings
pretrained_embeddings_spacy管道组合了几个不同的库，是一个流行的选项。更多信息请查看spaCy文档。
你可以用以下命令安装:
pip install rasa[spacy]
python -m spacy download en_core_web_md
python -m spacy link en_core_web_md en这将安装Rasa NLU、spacy及其英语语言模型。我们建议至少使用“中型”模型(_md)，而不是spacy默认的小型en_core_web_sm模型。小模型运行需要更少的内存，但会在一定程度上降低意图分类（intent classification ）性能。
第一选择:Tensorflow
要使用 supervised_embeddings管道，你需要安装Tensorflow，并安装sklearn-crfsuite库来进行实体识别。要做到这一点，只需运行以下命令:
pip install rasa第二个选择:MITIE
MITIE后端对于小型数据集执行得很好，但是如果你有数百个示例，那么训练可能会花费很长时间。我们可能会在未来弃用MITIE后端。
首先，运行：
pip install git+https://github.com/mit-nlp/MITIE.git
pip install rasa[mitie]然后下载MITIE模型。你所需要的文件是total_word_feature_extract .dat。可以将其保在任何地方。如果你想使用MITIE，你需要告诉它在哪里可以找到这个文件(在本例中，它保存在项目目录的data文件夹中)。
language: "en"
pipeline:
- name: "MitieNLP"
model: "data/total_word_feature_extractor.dat"
- name: "MitieTokenizer"
- name: "MitieEntityExtractor"
- name: "EntitySynonymMapper"
- name: "RegexFeaturizer"
- name: "MitieFeaturizer"
- name: "SklearnIntentClassifier"单独使用MITIE进行训练可能非常慢，但是你可以使用这种配置：
language: "en"
pipeline:
- name: "MitieNLP"
model: "data/total_word_feature_extractor.dat"
- name: "MitieTokenizer"
- name: "MitieEntityExtractor"
- name: "EntitySynonymMapper"
- name: "RegexFeaturizer"
- name: "MitieIntentClassifier"下一步
现在你已经安装好了所有需要的东西，准备s开始进入教程吧!