本文继续围绕工业级业务对话平台和框架Rasa,对Rasa项目实战之电商零售Customer Service智能业务对话机器人通过Rasa Interactive的调试来定位NLU的问题,并通过交互式模式来修正训练数据,最后使用新修正后的数据再次训练模型,通过演示验证了NLU问题的解决。
一、Rasa对话机器人项目实战之电商零售对话机器人NLU问题解析修正与调试演示
- Rasa Interactive调试商品库存查询功能存在的NLU问题
首先运行命令rasa run actions –debug以调试模式启动action server:
运行docker命令启动duckling: docker run -p 8000:8000 rasa/duckling
在项目config文件中配置了DucklingEntityExtractor,用于从用户输入信息中提取关于数字和邮件的实体信息:
运行命令rasa interactive进入交互式对话模式:
这是当前的可视化流程图:
输入信息:hi:
确认继续:
确认继续执行提示的action:
输入Yes确认,之后对话机器人给出以下选项供用户选择:
选择3查询商品库存状态:
继续执行提示所给的action:
继续执行提示的action:
从上面第5步输出信息看,action_deactivate_loop和utter_product_stock_start这两个actions所获得的预测confidence均为1.00,说明是通过rule进行预测的,检查rules文件,可以看到以下配置信息:
所以现在会激活product_stock_form用于收集用户信息,然后再使用这些信息进行商品库存查询,从下面输出看,当前需要收集slot “size”的信息
确认继续执行,输入size:
确认继续执行,可以看到已提取实体信息并填充到slot “size”:
继续运行form收集信息,可以看到当前请求的信息为color:
确认继续执行,输入color信息:
这时显然识别到的intent是不正确的,所以输入No执行,之后会输出下面的intent列表供选择:
2. 使用Rasa Interactive修正NLU问题并通过重新训练模型解决问题
在上面的输出列表中需要选择inform,输出如下:
根据输出提示标注实体信息:
确认执行后,输出如下:
运行form后输出如下:
显然提示的action不是预期的action,所以输入No,从下面列表中选择action utter_ask_product_stock_form_color:
输出如下:
导出训练数据:
运行命令rasa train重新训练模型:
训练完成后,运行命令rasa interactive进入交互式对话模式,这时输入yellow,可以看到正确识别了intent并且正确标注了实体信息!!!
为了对照,下面是训练前输入yellow后模型错误识别intent为” greet ”,并且没有提取实体信息:
继续执行,可以看到slot “color”已经成功填充了值:
继续运行form:
按照提示确认运行微服务action_product_search,对话机器人给出结果如下:
Sorry, seems like we don’t have those shoes.
以下重新启动对话:
继续查询产品库存信息:
输入size信息:
这次选择输入color为blue,可以看到仍然正确识别了intent及正确对实体信息进行了标注:
输入Yes确认执行,slot color已经正确填充了值:
根据以下提示执行商品库存查询微服务:
可以看到根据输入的size和color条件给出了查询结果:
You’re in luck! We have those in stock.
Rasa 3.x 源码高手之路:系统架构、内核算法、源码实现详解:
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/auth?redirect_url=https%3A%2F%2Fappz0c1mshy7438.h5.xiaoeknow.com%2Fv1%2Fgoods%2Fgoods_detail%2Fp_62353091e4b0beaee43652c9%3Fentry%3D2%26entry_type%3D2001%26share_type%3D5%26share_user_id%3Du_621b7b85b8dc5_3yDAYnFXeM%26type%3D3
Rasa 3.x 源码高手之路:基于Transformer的对话机器人RasaPolice:
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/auth?redirect_url=https%3A%2F%2Fappz0c1mshy7438.h5.xiaoeknow.com%2Fv1%2Fgoods%2Fgoods_detail%2Fp_62353421e4b04d7e2fd83665%3Fentry%3D2%26entry_type%3D2001%26share_type%3D5%26share_user_id%3Du_621b7b85b8dc5_3yDAYnFXeM%26type%3D3
星空NLP对话机器人论文班:NLP领域10篇最高质量的对话机器人经典论文解密:
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/goods/goods_detail/p_623874b7e4b04e8d90256da1?type=3&share_type=5&share_user_id=u_621b7b85b8dc5_3yDAYnFXeM&entry=2&entry_type=2001
Rasa 3.X 智能对话机器人案例开发硬核实战高手之路 (7大项目Expert版本):
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/goods/goods_detail/p_62276dd8e4b0beaee431c848?type=3&share_type=5&share_user_id=u_621b7b85b8dc5_3yDAYnFXeM&entry=2&entry_type=2001
Advanced Python硬核实力高手实战之路:架构、算法、源码、案例(81讲):
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/goods/goods_detail/p_6227e564e4b0beaee431ce2a?type=3&share_type=5&share_user_id=u_621b7b85b8dc5_3yDAYnFXeM&entry=2&entry_type=2001
NLP on Transformers 高手之路137课Pro版:
https://appz0c1mshy7438.h5.xiaoeknow.com/v1/goods/goods_detail/p_621c0289e4b04d7e2fd0365a?type=3&share_type=5&share_user_id=u_621b7b85b8dc5_3yDAYnFXeM&entry=2&entry_type=2001
文章出处登录后可见!