1. 安裝Visual Studio 2015
VS2015并不是非裝不可，也不一定要這個(gè)版本。不過(guò)，在Python開(kāi)發(fā)中還是比較重要的，有很多Python庫(kù)在安裝時(shí)f都會(huì)出現(xiàn)文件或者是命令，又或者是庫(kù)找不到等等，這樣那樣的問(wèn)題。比如：Twisted、Scrapy、MITIE等等。安裝VS2015可以減少很多問(wèn)題。
下載地址
VS2015 專(zhuān)業(yè)版下載鏈接
http://download.microsoft.com/download/B/8/9/B898E46E-CBAE-4045-A8E2-2D33DD36F3C4/vs2015.pro_chs.isoVS2015社區(qū)版下載鏈接
http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs2015.com_chs.iso
注意： 安裝時(shí)要選擇安裝Visual C++語(yǔ)言及工具，默認(rèn)是不安裝的。
2. 安裝cmake
官網(wǎng)下載：https://cmake.org/download/
選擇下載安裝包，這個(gè)最簡(jiǎn)單，運(yùn)行時(shí)直接選擇寫(xiě)入環(huán)境變量就好了，不用自己手動(dòng)寫(xiě)環(huán)境變量了。
3. 安裝boost
官網(wǎng)下載：https://www.boost.org/
boost沒(méi)有編譯好的安裝程序之類(lèi)的東西，需要將下載回來(lái)的壓縮包解壓后，再編譯。編譯過(guò)程對(duì)VS2015有依賴(lài)，之前裝了，可以放心運(yùn)行。
我本機(jī)boost的解壓目錄為：D:\boost\boost_1_69_0
安裝步驟
先打開(kāi)命令行工具，并切換工作目錄。執(zhí)行bootstrap.bat命令后，會(huì)生b2.exe bjam.exe。最后再執(zhí)b2, --prefix指定安裝的目錄
cd D:\boost\boost_1_69_0\tools\build
bootstrap.bat
b2 --prefix=D:\boost\bin install
4. 安裝MITIE
不安裝MITIE并不影響Rasa_NLU_Chi的安裝，但是在運(yùn)行過(guò)程中會(huì)報(bào)錯(cuò)，所以還是先安裝吧。事實(shí)上，也是因?yàn)榘惭bMITIE出問(wèn)題，才去安裝cmake以及boost庫(kù)的，因?yàn)镸ITIE的安裝也是要在本地編譯的，編譯過(guò)程中Visual Studio、cmake、boost庫(kù)三者缺一不可
MITIE可以通過(guò)在線(xiàn)安裝
pip install git+https://github.com/mit-nlp/MITIE.git
如果沒(méi)有安裝git也可以用svn代替。不過(guò)最好還是離線(xiàn)安裝，先下載代碼，解壓后切換到目錄下，然后運(yùn)行
python setup.py install
離線(xiàn)安裝的好處是如果安裝出現(xiàn)問(wèn)題，可以更好的發(fā)現(xiàn)及重試。
5. 安裝中文分詞工具jieba
jieba的安裝非常簡(jiǎn)單。
pip install jieba
在安裝Rasa_NLU_Chi中，可能還會(huì)出現(xiàn)一些依賴(lài)庫(kù)沒(méi)有安裝導(dǎo)致安裝失敗的問(wèn)題，一個(gè)個(gè)安裝就可以了。
6. 安裝Rasa_NLU_Chi
經(jīng)過(guò)漫長(zhǎng)的準(zhǔn)備工作，終于進(jìn)入正題了。
-
首先下載代碼并解壓，然后打開(kāi)命令提示符并切換工作目錄，執(zhí)行安裝。
python setup.py install -
接下來(lái)準(zhǔn)備模型數(shù)據(jù)。先不用自己訓(xùn)練模型，直接下載一份訓(xùn)練好的模型數(shù)據(jù)。
鏈接：http://pan.baidu.com/s/1micEF0G 密碼：opli
下載完成后將文件放到data目錄下。
-
訓(xùn)練Rasa NLU的模型。所有的配置以及訓(xùn)練數(shù)據(jù)都先不改，直接使用已有的。先跑起來(lái)看到效果再說(shuō)。
python -m rasa_nlu.train -c sample_configs/config_jieba_mitie_sklearn.yml --data data/examples/rasa/demo-rasa_zh.json --path models注意： 這個(gè)步驟不能少，雖然代碼中test_models目錄下已經(jīng)有訓(xùn)練好的模型了，但是當(dāng)前版本的模型與代碼不匹配，運(yùn)行會(huì)報(bào)錯(cuò)。
-
啟動(dòng)Rasa_nlu服務(wù)。
python -m rasa_nlu.server -c sample_configs/config_jieba_mitie_sklearn.yml --path models -
測(cè)試。終于完成了，來(lái)看看效果吧。
使用瀏覽器打開(kāi)
localhost:5000/parse?q=你好稍等片刻后會(huì)看到返回結(jié)果
{ "intent": { "name": "greet", "confidence": 0.6863286690180176 }, "entities": [], "intent_ranking": [ { "name": "greet", "confidence": 0.6863286690180176 }, { "name": "goodbye", "confidence": 0.22795754042984873 }, { "name": "affirm", "confidence": 0.058162658792195523 }, { "name": "search", "confidence": 0.01325906726417518 }, { "name": "restaurant_search", "confidence": 0.008356444773033047 }, { "name": "medical", "confidence": 0.005935619722729551 } ], "text": "你好" }
