文章目录
learn from https://github.com/Chinese-NLP-book/rasa_chinese_book_code
机器人不明白用户意思的时候,兜底的操作,答出 “对不起,xxx” 的友好提示
pipeline:
- name: FallbackClassifier
threshold: 0.6
ambiguity_threshold: 0.1
配置的意思:意图分类组件预测的结果中,最高的置信度 <= 0.6 or 最高的前2个意图得分之差 <= 0.1 ,那么 NLU 的意图 就会被替换为 nlu_fallback
比如,
rules:
- rule: 要求用户重说
steps:
- intent: nlu_fallback
- action: utter_please_rephrase
如果预测的下一个动作 置信度不高,或者有两个很相近的,也可以配置策略
policies:
- name: RulePolicy
core_fallback_threshold: 0.3
core_fallback_action_name: "action_dafault_fallback" # 很模糊时,配置执行该动作
enable_fallback_prediction: True
rules:
- rule: 意图 -> 动作映射
steps:
- intent: some_intent
- action: some_action
在 policy 字段值为 RulePolicy 时,用户表达 意图后,100% 触发 配置的动作
理解用户意图后,引导用户填表,完毕后执行动作
需要规则策略
policies:
- name: RulePolicy
forms:
weather_form:
required_slots: # 表单必须指定该字段
- address
- date-time
设定什么时候进入该表单, rule 指定
rules:
- rule: 激活 rule
steps:
- intent: weather # 出现该意图
- action: weather_form # 执行该动作
- active_loop: weather_form # 进入表单填词槽-询问过程
满足表单条件后,词槽全部填好,执行任务
- rule: 提交 form
condition:
- active_loop: weather_form
steps:
- action: weather_form
- active_loop: null
- slot_was_set:
- requested_slot: null # 所有词槽填完
- action: action_weather_form_submit # 执行动作
tree
.
├── actions.py
├── config.yml
├── credentials.yml
├── data
│ ├── cities.yml
│ ├── nlu.yml
│ ├── responses.yml
│ ├── rules.yml
│ └── stories.yml
├── domain.yml
├── endpoints.yml
├── index.html
├── index.js
├── __init__.py
├── media
│ └── demo.png
├── README.md
└── service
├── __init__.py
├── normalization.py
└── weather.py
version: "3.0"
nlu:
- intent: goodbye
examples: |
- 拜拜
- 再见
- 拜
- 退出
- 结束
- intent: greet
examples: |
- 你好
- 您好
- hello
- hi
- 喂
- 在么
- intent: weather
examples: |
- 显示天气
- 天气
- 我需要不需要雨靴
- 我该穿外套吗
- 去外边要穿外衣吗
- 去外边要带夹克吗
- 外边需要雨伞吗
- 天气是不是很凉快
- 最近的天气是不是很冷
- 天气预报
- 天气很冷吗
- 天气会不会很热
- 天气温和吗
- [北京](address)会不会阴雨
- [上海](address)什么天气
- 不好意思可以帮我查[香港](address)的天气
- [厦门](address)啥天气
- [上海](address)多热
- [台北市](address)温度
- [台南市](address)几度
- [上海](address)啥温度
- [台南市南区](address)现在几度
- [上海](address)的天气
- [上海](address)的天气怎么样
- [首都](address)的天气
- [首都](address)的天气怎么样
- [魔都](address)的天气
- [魔都](address)的天气怎么样
- 我要[上海](address)[明天](date-time)的天气
- 我要[上海](address)[后天](date-time)的天气
- [上海](address)[明天](date-time)的天气
- [上海](address)[昨天](date-time)的天气
- [上海](address)[前天](date-time)的天气
- [上海](address)[后天](date-time)的天气
- [下个星期五](date-time)[南京](address)的天气
- [明天](date-time)[北京](address)什么天气
- [沈阳](address)[五天后](date-time)的天气怎么样
- [下星期一](date-time)[北京](address)的天气呢
- [今天](date-time)[天津](address)的预报
- [青岛](address)[明天](date-time)的
- [下星期日](date-time)的[苏州](address)
- [两天后](date-time)的[上海](address)
- [三天后](date-time)的[武汉](address)呢
- [三天后](date-time)[杭州](address)多云吗
- [十月三号](date-time)[沈阳](address)会下雨吗
- [明天](date-time)[台北](address)天气
- [今天](date-time)[台北](address)的天气如何
- [三天后](date-time)[台北](address)的天气
- [北京](address)[今天](date-time)的天气如何
- [杭州](address)[今天](date-time)的天气怎么样
- [下个星期五](date-time)[台北](address)天气好吗
- [今天](date-time)[台北](address)天气如何
- [今天](date-time)[上海](address)的天气
- [两天前](date-time)[上海](address)的天气如何
- [今天](date-time)[台北市](address)的天气如何
- [明天](date-time)[北京](address)我需要不需要雨衣
- [下星期日](date-time)[北京](address)外边需要毛线帽吗
- [今天](date-time)[北京](address)去外边要穿羊毛袜吗
- [三月五号](date-time)[北京](address)去外边要穿外衣吗
- [下个星期五](date-time)我在[厦门](address)需要带伞吗
- [上海](address)[三天后](date-time)多少度
- [明天](date-time)[上海](address)的温度如何
- [今天](date-time)[上海](address)的气温如何
- [明天](date-time)[马来西亚](address)最近的天气是不是很冷
- [下星期一](date-time)[马来西亚](address)天气凉快吗
- [下星期日](date-time)[马来西亚](address)的天气会很热吗
- [首都](address)[明天](date-time)的天气
- [魔都](address)[下午](date-time)的天气
- [首都](address)[明天](date-time)的天气怎么样
- [魔都](address)[下午](date-time)的天气怎么样
- [今天](date-time)天气如何
- 你知道[现在](date-time)外面冷不冷么
- 我还想知道[一月一号](date-time)的天气
- 稍后[晚上](date-time)会下雨吗
- [今天](date-time)会不会晴朗
- [昨天](date-time)几度
- [9月初四](date-time)的天气如何
- [明天](date-time)天气多少摄氏度
- [今天](date-time)天气
- [昨天](date-time)什么天气
- [明天](date-time)要不要戴手套
- [今天](date-time)去外边要穿毛衣吗
- [明天](date-time)去外边要带雨伞吗
- [两天后](date-time)我需要不需要雨靴
- [下星期一](date-time)在外边需要墨镜吗
- [明天](date-time)的天气会温和吗
- [今天](date-time)天气很热不
- [今天](date-time)天气几度
- [两天后](date-time)的天气会不会很冷
- [明天](date-time)的天气是不是很暖
- intent: info_date
examples: |
- [明天](date-time)
- [后天](date-time)
- [下个星期日](date-time)怎么样
- 还需要[昨天](date-time)的
- 我还要[昨天](date-time)的
- [明天](date-time)如何
- [后天](date-time)如何
- [星期六](date-time)呢
- [后天](date-time)的呢
- [明天](date-time)的怎么说
- [两天后](date-time)的大概什么样
- [前天](date-time)的
- 帮我查查[三天前](date-time)
- 帮我查查[下星期五](date-time)的
- 还要[明天](date-time)的
- intent: info_address
examples: |
- 告诉我[广州](address)怎么样
- [广州](address)
- 那么[辽宁](address)呢
- [北京](address)啥情况
- [厦门](address)怎么样
- [武汉](address)呢
- [香港](address)呢
- 我在[杭州](address)
- [上海](address)
- 在[宁波](address)呢
- [宁波](address)
- [首都](address)
- intent: affirm
examples: |
- 是
- 是的
- 没问题
- 好
- 好的
- 可以
- 挺好
- 没错
- 继续
- 没毛病
- intent: deny
examples: |
- 不
- 不行
- 没
- no
- 不可以
- 算了
- 不要
- 不要了
- 没有
- intent: stop
examples: |
- 停
- 停止
- intent: chitchat/whoyouare
examples: |
- 你是谁啊
- 你是谁啊?
- 你是谁啊?
- 你叫什么名字
- 你叫什么名字呢
- 你叫什么呀
- 你叫什么呀?
- 你叫什么呀?
- 介绍一下自己
- 介绍自己
- intent: chitchat/whatyoucando
examples: |
- 你能干啥
- 你能干什么
- 你能干什么呢
- 你能干啥呀
- 你能干啥呀?
- 你能干啥呀?
- 你能做什么
- 你能做什么?
- 你能做什么?
- 你能做什么呢
- 你能做什么呢?
- 你能做什么呢?
- 你有哪些技能
- 你有哪些技能?
- 你有哪些技能?
- 你的本领是什么
- 你的本领是什么呢
- synonym: 下个星期一
examples: |
- 下星期一
- synonym: 今天
examples: |
- 早上
- 中午
- 晚上
- 下午
- 傍晚
- 今日
- synonym: 明天
examples: |
- 明日
- synonym: 北京
examples: |
- 首都
- synonym: 上海
examples: |
- 魔都
version: "3.0"
stories:
- story: greet
steps:
- intent: greet
- action: utter_greet
- story: say goodbye
steps:
- intent: goodbye
- action: utter_goodbye
- story: chitchat
steps:
- intent: chitchat
- action: respond_chitchat
- story: form with stop then deny
steps:
- or:
- intent: weather
- intent: weather
entities:
- address: 上海
- intent: weather
entities:
- date-time: 明天
- intent: weather
entities:
- date-time: 明天
- address: 上海
- action: weather_form
- active_loop: weather_form
- intent: stop
- action: utter_ask_continue
- intent: deny
- action: action_deactivate_loop
- active_loop: null
version: "3.0"
rules:
- rule: activate weather form
steps:
- intent: weather
- action: weather_form
- active_loop: weather_form
- rule: Submit form
condition:
# Condition that form is active.
- active_loop: weather_form
steps:
- action: weather_form
- active_loop: null
- slot_was_set:
- requested_slot: null
# The action we want to run when the form is submitted.
- action: action_weather_form_submit
version: "3.0"
nlu:
- lookup: cities
examples: |
- 江宁区
- 常德市西洞庭管理区
- 常德市津市市
- 桂阳县
version: "3.0"
session_config:
session_expiration_time: 60
carry_over_slots_to_new_session: true
intents:
- goodbye
- greet
- weather
- chitchat
- deny
- stop
- affirm
- info_date
- info_address
entities:
- address
- date-time
slots:
address:
type: text
influence_conversation: false
mappings:
- entity: address
type: from_entity
date-time:
type: text
influence_conversation: false
mappings:
- entity: date-time
type: from_entity
responses:
utter_greet:
- text: 你好,请说出需要提供天气预测服务的地点和时间
utter_goodbye:
- text: 再见!
utter_ask_address:
- text: 想查询哪里的天气呢?
utter_ask_date-time:
- text: 想查询什么时候的天气呢?
utter_ask_continue:
- text: 是否要继续?
utter_default:
- text: 系统不明白您说的话,请换个说法。
actions:
- utter_ask_address
- utter_ask_date-time
- utter_goodbye
- utter_greet
- utter_ask_continue
- utter_default
- respond_chitchat
- action_weather_form_submit
forms:
weather_form:
ignored_intents: []
required_slots:
- address
- date-time
recipe: default.v1
language: zh
pipeline:
- name: JiebaTokenizer
- name: LanguageModelFeaturizer
model_name: bert
model_weights: bert-base-chinese
- name: RegexFeaturizer
- name: DIETClassifier
epochs: 100
learning_rate: 0.001
tensorboard_log_directory: ./log
- name: ResponseSelector
epochs: 100
learning_rate: 0.001
- name: EntitySynonymMapper
policies:
- name: MemoizationPolicy
- name: TEDPolicy
- name: RulePolicy
action_endpoint:
url: "http://localhost:5055/webhook"
socketio:
user_message_evt: user_uttered
bot_message_evt: bot_uttered
session_persistence: false
rasa:
url: "http://localhost:5002/api"
from typing import Any, Dict, List, Text
from rasa_sdk import Action, Tracker
from rasa_sdk.executor import CollectingDispatcher
from service.normalization import text_to_date
from service.weather import get_text_weather_date
class WeatherFormAction(Action):
def name(self) -> Text:
return "action_weather_form_submit"
def run(
self, dispatch: CollectingDispatcher, tracker: Tracker, domain: Dict[Text, Any]
) -> List[Dict]:
city = tracker.get_slot("address")
date_text = tracker.get_slot("date-time")
date_object = text_to_date(date_text)
if not date_object: # parse date_time failed
msg = "暂不支持查询 {} 的天气".format([city, date_text])
dispatch.utter_message(msg)
else:
try:
weather_data = get_text_weather_date(city, date_object, date_text)
except Exception as e:
exec_msg = str(e)
dispatch.utter_message(exec_msg)
else:
dispatch.utter_message(weather_data)
return []
rasa train
搜索 心知天气,注册获取免费的 api key
运行动作服务器 SENIVERSE_KEY=XXX rasa run actions
windows set %SENIVERSE_KEY%=xxx
rasa run --cors "*"
python -m http.server
测试结果:

缺少词槽的情况:

上下文继承

这似乎非常适得其反,因为太多的gem会在window上破裂。我一直在处理很多mysql和ruby-mysqlgem问题(gem本身发生段错误,一个名为UnixSocket的类显然在Windows机器上不能正常工作,等等)。我只是在浪费时间吗?我应该转向不同的脚本语言吗? 最佳答案 我在Windows上使用Ruby的经验很少,但是当我开始使用Ruby时,我是在Windows上,我的总体印象是它不是Windows原生系统。因此,在主要使用Windows多年之后,开始使用Ruby促使我切换回原来的系统Unix,这次是Linux。Rub
导读:随着叮咚买菜业务的发展,不同的业务场景对数据分析提出了不同的需求,他们希望引入一款实时OLAP数据库,构建一个灵活的多维实时查询和分析的平台,统一数据的接入和查询方案,解决各业务线对数据高效实时查询和精细化运营的需求。经过调研选型,最终引入ApacheDoris作为最终的OLAP分析引擎,Doris作为核心的OLAP引擎支持复杂地分析操作、提供多维的数据视图,在叮咚买菜数十个业务场景中广泛应用。作者|叮咚买菜资深数据工程师韩青叮咚买菜创立于2017年5月,是一家专注美好食物的创业公司。叮咚买菜专注吃的事业,为满足更多人“想吃什么”而努力,通过美好食材的供应、美好滋味的开发以及美食品牌的孵
C#实现简易绘图工具一.引言实验目的:通过制作窗体应用程序(C#画图软件),熟悉基本的窗体设计过程以及控件设计,事件处理等,熟悉使用C#的winform窗体进行绘图的基本步骤,对于面向对象编程有更加深刻的体会.Tutorial任务设计一个具有基本功能的画图软件**·包括简单的新建文件,保存,重新绘图等功能**·实现一些基本图形的绘制,包括铅笔和基本形状等,学习橡皮工具的创建**·设计一个合理舒适的UI界面**注明:你可能需要先了解一些关于winform窗体应用程序绘图的基本知识,以及关于GDI+类和结构的知识二.实验环境Windows系统下的visualstudio2017C#窗体应用程序三.
需求:要创建虚拟机,就需要给他提供一个虚拟的磁盘,我们就在/opt目录下创建一个10G大小的raw格式的虚拟磁盘CentOS-7-x86_64.raw命令格式:qemu-imgcreate-f磁盘格式磁盘名称磁盘大小qemu-imgcreate-f磁盘格式-o?1.创建磁盘qemu-imgcreate-fraw/opt/CentOS-7-x86_64.raw10G执行效果#ls/opt/CentOS-7-x86_64.raw2.安装虚拟机使用virt-install命令,基于我们提供的系统镜像和虚拟磁盘来创建一个虚拟机,另外在创建虚拟机之前,提前打开vnc客户端,在创建虚拟机的时候,通过vnc
require"socket"server="irc.rizon.net"port="6667"nick="RubyIRCBot"channel="#0x40"s=TCPSocket.open(server,port)s.print("USERTesting",0)s.print("NICK#{nick}",0)s.print("JOIN#{channel}",0)这个IRC机器人没有连接到IRC服务器,我做错了什么? 最佳答案 失败并显示此消息::irc.shakeababy.net461*USER:Notenoughparame
我正在寻找用于Rails的优质管理插件。似乎大多数现有的插件/gem(例如“restful_authentication”、“acts_as_authenticated”)都围绕着self注册等展开。但是,我正在寻找一种功能齐全的基于管理/管理角色的解决方案——但不是简单地附加到另一个非基于角色的解决方案。如果我找不到,我想我会自己动手......只是不想重新发明轮子。 最佳答案 RyanBates最近做了两个关于授权的railscast(注意身份验证和授权之间的区别;身份验证检查用户是否如她所说的那样,授权检查用户是否有权访问资源
我正在根据Rakefile中的现有测试文件动态生成测试任务。假设您有各种以模式命名的单元测试文件test_.rb.所以我正在做的是创建一个以“测试”命名空间内的文件名命名的任务。使用下面的代码,我可以用raketest:调用所有测试require'rake/testtask'task:default=>'test:all'namespace:testdodesc"Runalltests"Rake::TestTask.new(:all)do|t|t.test_files=FileList['test_*.rb']endFileList['test_*.rb'].eachdo|task|n
我想要像“嘿那里”这样的东西变成,例如,#316583。我希望将任意长度的字符串“归结”为十六进制颜色。我不知道从哪里开始。我在想,每个字符串的MD5散列都是不同的-但如何将该散列转换为十六进制颜色数字? 最佳答案 你可以只取几位前几位:require'digest/md5'color=Digest::MD5.hexdigest('Mytext')[0..5] 关于ruby-如何使用Ruby基于字母数字字符串生成颜色?,我们在StackOverflow上找到一个类似的问题:
文章目录1、自相关函数ACF2、偏自相关函数PACF3、ARIMA(p,d,q)的阶数判断4、代码实现1、引入所需依赖2、数据读取与处理3、一阶差分与绘图4、ACF5、PACF1、自相关函数ACF自相关函数反映了同一序列在不同时序的取值之间的相关性。公式:ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{Var(y_{t})}ACF(k)=ρk=Var(yt)Cov(yt,yt−k)其中分子用于求协方差矩阵,分母用于计算样本方差。求出的ACF值为[-1,1]。但对于一个平稳的AR模型,求出其滞
目录0专栏介绍1平面2R机器人概述2运动学建模2.1正运动学模型2.2逆运动学模型2.3机器人运动学仿真3动力学建模3.1计算动能3.2势能计算与动力学方程3.3动力学仿真0专栏介绍?附C++/Python/Matlab全套代码?课程设计、毕业设计、创新竞赛必备!详细介绍全局规划(图搜索、采样法、智能算法等);局部规划(DWA、APF等);曲线优化(贝塞尔曲线、B样条曲线等)。?详情:图解自动驾驶中的运动规划(MotionPlanning),附几十种规划算法1平面2R机器人概述如图1所示为本文的研究本体——平面2R机器人。对参数进行如下定义:机器人广义坐标