# lsr-front-end

**Repository Path**: xiao-qirui/lsr-front-end

## Basic Information

- **Project Name**: lsr-front-end
- **Description**: lsr-front-end
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-09-05
- **Last Updated**: 2024-09-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

基于Rasa构建面向家庭生活场景的的智能问答系统

#### 软件架构
软件架构说明
环境配置：
 - Rasa 2.0.0   
 - python 3.7
 - neo4j 4.1   
 - JDK 11.0.8
 - rasa-sdk==2.4.1
 - tensorflow==2.3.2

软件架构说明：
lsr-front-end   
├── actions 自定义的动作   
├── conf   模型训练中的参数文件     
├── models 存放模型权重  
├── result 情感分析模型  
├── interact 交互文件  
│   └── trainsfer_raw_to_rasa.py 数据格式转化脚本  
│   └── asr.py 百度WebAP  
│   └── tts.py 百度WebAPI     
├── main.py 主函数    
├── deploy.sh 安装依赖项的脚本文件    
├── config.yml  训练NLU和Core模型配置文件    
├── credentials.yml  配置请求Rasa Server    
├── domain.yml    记录系统所有的信息    
├── endpoints.yml  rasa server能够连接到其他web   
├── sentiment.py  自定义情感分析组件    
├──data 存放训练数据等     
│   └──nlu.json  NLU训练数据    
│   └──stories.md core训练数据    
│   └── nlu_data.txt NLU原始数据   
│   └── thanks.mp3  音频文件
├──src 情感分析模型    
│   └── model.py 模型构建文件  
│   └── config.py 文件参数配置文件
│   └── preprocess.py 数据预处理       


 
#### 安装教程
安装conda
```bash
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.3.14-Linux-x86_64.sh
bash Miniconda3-4.3.14-Linux-x86_64.sh
#安装完后重启终端，配置环境变量
vim ~/.bashrc
#在最下行输入miniconda3的安装目录作为环境变量，与上面保存的安装目录相同，
export PATH="/home/用户名/miniconda3/bin:"$PATH
source ~/.bashrc
#需要换源可以在网上自行搜索教程
```

（1）MITIE  
下载MITIE pip install git+https://github.com/mit-nlp/MITIE.git     
（2）安装中文分词模型  
中文词向量模型total_word_feature_extractor_zh.dat( https://pan.baidu.com/share/init?surl=kNENvlHLYWZIddmtWJ7Pdg 密码：p4vx)  
这里需要将total_word_feature_extractor_zh.dat模型拷贝到创建的rasa项目data目录下，后面训练NLU模型时用到。   
（3）文本语义多模态情感分析数据集（链接：https://pan.baidu.com/s/1zkz9nP7jDi4dzxpqg8uAGg 提取码：40eu ）  
#安装依赖  
首次在计算机上运行项目时，需要先安装所需的依赖软件：
```bash
cd lsr-front-end
sudo apt install  dos2unix
dos2unix deploy.sh 
./deploy.sh -t
```

#### 使用说明
#训练模型
nlu core 同时训练（文件名称自定义的）：
```bash
python -m rasa train --config config.yml --domain domain.yml --data data/ --out models
```
只训练nlu:
```bash
python -m rasa train nlu --config config.yml --out models
```
只训练core:
```bash
python -m rasa train core --domain domain.yml --out models
```

#运行模型
启动neo4j
```bash
$ cd /Users/neo4j-community-4.2.18  --到达neo4j目录
$ cd bin
$ ./neo4j start  
--不用的时候需要关闭掉图数据库
$ ./neo4j stop

#模型训练好之后，便可以启动Rasa API：测试API接口返回信息，在此期间需要把neo4j连接上。
rasa run --enable-api

#rasa run actions  Starts an action server using the Rasa SDK。
python -m rasa run actions --port 5055 --actions actions --debug

```

#### 参与贡献
1.  具体rasa运行和训练细节见博客：https://www.jianshu.com/p/07c87c63e83a
2.  rasa环境配置参考博客 https://jiangdg.blog.csdn.net/article/details/104328946