基于Rasa框架的智能对话系统研究与设计.pdfVIP

第29卷第1期现代计算机

2023年1月10日ModernComputer·95·

文章编号:1007‑1423（2023）01‑0095‑06DOI:10.3969/j.issn.1007‑1423.2023.01.017

基于Rasa框架的智能对话系统研究与设计

李孟全，吴士泓，王志刚

（远光软件股份有限公司，珠海519085）

摘要：随着预训练语言模型和知识图谱技术的快速发展，人机对话技术目前已成为人工智能领域新的研究

热点，受到学术界和工业界的广泛关注。人机对话系统分为任务型和非任务型两类，其中任务型对话系统用于

帮助用户完成某些特定任务，对其进行深入研究将具有很高的学术价值和应用价值。本文将利用Rasa开源框架

研究和设计一套智能对话系统，帮助公司完成提质增效管理目标，提升公司整体智能化管理水平。

关键词：对话系统；自然语言处理；Rasa

0引言别是基于符号规则和模板阶段、基于传统机器

学习阶段、基于深度学习阶段。

在企业推进以人机协同系统为基础的智能

基于符号规则和模板阶段。该阶段的技术

化进程中，任务型对话系统是其中最核心的领

严重依赖专家手工制定的语法规则和本体设计，

［1］

域，需要各方深入研究和推动。赵阳洋等认

优点是容易理解，缺点是人工成本非常高、扩

为，尽管对话系统近年来有较大的发展，能够［3］

展性差。例如，Goddeau等提出的有限状态机

帮助用户完成简单的任务，但其在通用性、深方法需要人工预先定义好全部状态和状态转移

度理解等方面还面临着许多挑战。笔者研究了条件，采用NLU输出中得分或概率最高的结果

Rasa开源框架，发现Rasa在通用性和深度理解才能完成对话状态更新，该方法缺点是无法解

方面具备一定的优势，该框架设计高效、灵活，决错误识别问题，且在复杂应用场景下灵活性

［4］

提供了对话机器人开发时必要的基础架构和工不足。后来，Sun等提出用于修正NLU中错误

［2］识别的N‑Best列表分数方法，但缺点也同样明

具，尤其是Bunk等基于Rasa框架提出的DIET

模型，能够对用户意图和实体信息进行联合建显：相关参数依赖人工编制，不能根据数据分

模，且Rasa整体上与NLP技术的最新研究进展布情况进行学习。

融合性很好。所以，本文将基于Rasa框架深入基于传统机器学习阶段。该阶段的技术方

法包括K近邻、决策树、朴素贝叶斯、逻辑回

研究和设计一套智能对话系统，以便减轻相关

归、集成学习、条件随机场、支持向量机

人员的工作压力，满足公司“提质增效”的管

（SVM）等。该阶段的技术虽然具备弱学习能力，

理需求，为企业数字化转型