使用 Rasa 构建天气查询机器人

本文将介绍如何使用 Rasa NLU 和 Rasa Core 来构建一个简单的带 Web UI 界面的中文天气情况问询机器人(chatbot)。

源代码地址

https://github.com/howl-anderson/WeatherBot

功能

这个机器人可以根据你提供的城市(北京、上海等)和日期(明天、后天等),查询出相应的天气预报。

功能截图

特性

使用 Frame-based 对话管理方案,如果上述两个 Slot (既城市和天气),有任意一个用户未提供,对话管理系统会负责让你澄清相关 Slot 的值。

能力范围

  • 受限于天气数据提供方的能力,这个机器人只能查询 中国大陆地区市级城市 三天以内 (今天,明天,后天) 的气象数据,不能查询过去(昨天,前天)等历史数据。
  • 受限于开发时间,这个机器人 不提供 诸如 这个星期五、下个星期一 这种需要计算才能得到日期给定方式。也 不能提供 诸如 绝对日期:三月一号、六一儿童节日 这种日期的查询能力。
  • 因为使用的是免费的天气查询接口,所以 会有配额限制,可能会因为 超出调用次数 ,而在一个小时内不能用。同时网络查询接口可能存在不稳定因素,导致 没有结果返回或者出现异常尝试多次重新发送请求可解决问题

在线演示

Demo for 天气预报查询机器人

Rasa NLU

Rasa NLU 提供了提取用户意图和词槽的功能。具体原理和使用等不在这里详述,请访问文章 TODO
这里我们使用的 Rasa NLU 的 pipeline 配置(在项目文件 nlu_model_config.yaml 中)如下:

1
2
3
4
5
6
7
8
9
10
language: "zh"

pipeline:
- name: "nlp_mitie"
model: "data/total_word_feature_extractor.dat"
- name: "tokenizer_jieba"
- name: "ner_mitie"
- name: "ner_synonyms"
- name: "intent_featurizer_mitie"
- name: "intent_classifier_sklearn"

所用的训练数据 (在项目文件 nlu.json 中)如下(内容过长,已做截断):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
{
"rasa_nlu_data": {
"common_examples": [
{
"intent": "weather_address_date-time",
"entities": [
{
"start": 2,
"end": 4,
"value": "上海",
"entity": "address"
},
{
"start": 4,
"end": 6,
"value": "明天",
"entity": "date-time"
}
],
"text": "我要上海明天的天气"
},
{
"intent": "weather_address_date-time",
"entities": [
{
"start": 0,
"end": 2,
"value": "上海",
"entity": "address"
},
{
"start": 2,
"end": 4,
"value": "明天",
"entity": "date-time"
}
],
"text": "上海明天的天气"
},
...
}
}

训练所用的命令为 (在项目文件 train_NLU.bash 中):

1
python -m rasa_nlu.train -c nlu_model_config.yaml -d nlu.json --fixed_model_name current -o models

Rasa Core

Rasa Core 负责对话管理。具体原理和使用等不在这里详述,请访问文章 TODO
Rasa core 需要提供一个 domain 文件,里面设定了整个对话机器人的小宇宙,它能知道的所有的意图、词槽和动作。

本项目所用的 domain (在项目文件 domain.yml 中),其内容为:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
intents:
- greet
- goodbye
- weather_address_date-time
- weather_address
- weather_date-time

slots:
address:
type: text
date-time:
type: text
matches:
type: unfeaturized

entities:
- address
- date-time

actions:
- utter_greet
- utter_ask_address
- utter_ask_date-time
- utter_working_on_it
- bot.ActionReportWeather
- utter_report_weather
- utter_goodbye

templates:
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_working_on_it:
- text: "正在查询中,请稍后 ..."

utter_goodbye:
- text: "再见!"

utter_ask_address:
- text: "哪里呢?"

utter_ask_date-time:
- text: "什么时候?"

utter_report_weather:
- text: "{matches}"

utter_other:
- text: "系统不明白您说的话"

Rasa Core 还需要通过 故事(story) 的形式让框架学习正确的对话管理样本,格式为 Markdown 格式。本项目中的 Story (在项目文件 stories.md 中)定义如下(内容过长,已做截断):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
## simple path with greet
* greet
- utter_greet
* weather_address_date-time{"address": "上海", "date-time": "明天"}
- utter_working_on_it
- action_report_weather
- utter_report_weather

## simple path
* weather_address_date-time{"address": "上海", "date-time": "明天"}
- utter_working_on_it
- action_report_weather
- utter_report_weather

## address + date-time path with greet
* greet
- utter_greet
* weather_address{"address": "上海"}
- utter_ask_date-time
* weather_date-time{"date-time": "明天"}
- utter_working_on_it
- action_report_weather
- utter_report_weather

...

训练所用的命令为 (在项目文件 train_CORE.bash 中):

1
python -m rasa_core.train -s stories.md -d domain.yml -o models/dialogue --epochs 500

依赖

python 版本

python 3

python 依赖

1
pip install -r requirements.txt

下载数据和模型

功能入口

申请 API key

本项目目前使用 心知天气 提供天气数据,该平台为个人提供免费的 API,但任然需要用户注册并申请 API key 才能使用。用户注册后可以自行找到 我的API密钥

启动服务

将如下的 xxx 替换成你的 API key,然后执行即可

1
SENIVERSE_KEY=xxx python ./webchat.py

启动成功后,请用浏览器访问 http://localhost:5500 , 你将得到 web 页面,have fun!