rasa基本框架_视频讲解
作者：杨夕
项目地址：https://github.com/km1994/nlp_paper_study
个人介绍：大佬们好，我叫杨夕，该项目主要是本人在研读顶会论文和复现经典论文过程中，所见、所思、所想、所闻，可能存在一些理解错误，希望大佬们多多指正。
2016年时大部分都是单轮对话机器人，无法理解上下文。
- 基于手写规则，状态机state machines
- 缺陷：硬编码，不灵活，各种 if-else 的集合，一个场景对应一段代码，逻辑会越来越复杂，基本没有扩展性，泛化能力较差；
- eg:
-
学术界方法
- 增强学习， reinforcement learning (RL)
- 介绍：需要大量数据和不停的与机器人对话，给予奖励才会变的智能，但是用户的对话是非理想状态不可控的
- 增强学习， reinforcement learning (RL)
- 基本架构
- 动机：借助 Rasa Core，我们面临的挑战是构建一个基于机器学习的对话框架，该框架可用于生产，足够灵活以支持研究和实验，并且非专业人员可以访问. Rasa Core 必须利用开发人员现有的领域知识来帮助他们 从零训练数据进行引导。 这就是导致我们采用交互式学习方法的原因。
- 流程：
- 手动指定您的机器人可以说和做的所有事情。 我们称这些动作。 一种可能是打招呼，另一种可能是调用API或查询数据库。
- 然后，您可以训练一个概率模型，以根据对话的历史预测要采取的行动。
- 目标：根据历史对话训练一个统计模型来预测机器人下一步对用户说什么
- 训练方式：
- 直接标注数据，监督学习进行训练；
- 在线交互学习，每一步有多个选择时直接告诉机器人选哪个回答，对话会自动加入到训练数据；
实例 一
实例 二
