本文参考众多大牛的博客进行总结归纳，若有错误，希望指出。内容为 rasa的使用详解，希望能帮助到大家。

total_word_feature_extractor_zh.dat数据集：部署中文nlu----基于rasa_nlu

Rasa nlu 构建中文系统-附件资源

Rasa Core和Rasa NLU rasa对话系统系列文章 介绍 rasa版本已经更新到了2.0版本，尺寸比较大，等2.0版本稳定后再跟进了。现在这里的代码还是去年上半年的版本，后面rasa有很多放置，component已经支持bert，对中文的支持也更好。所以这个之前基于1.1.x的版本就转到1.1.x分支，现有主分支的话就分享最新的基于1.10.18的一套支持中文的pipeline 欢迎加入rasa微信闲聊群，微信请加：coffee199029 通过命令运行 安装软件包 python> = 3.6 pip install -r requirements.txt 下载依赖包 火车模型

rasa-x 一键部署docker-compose文件。 docker-compose up -d

目录 Rasa版本 此处为Rasa==2.0.x(其它Rasa版本请切换branch) 演示视频 演示视频 视频中的demo演示网址用的上海服务器，低配，加载速度慢，各位轻虐~~ >.< GIF动图展示 2020/05/20 聊天窗的颜色略有不同 说明 本程序实现的是基于中文的医疗知识图谱的问答机器人MedicalKBQA， 是基于 Rasa-2.0.x 版本及其支持的外部组件实现的， 并使用了图数据库 Neo4j 构建知识图谱。 Rasa的Pipeline配置如下： pipeline: - name: "MitieNLP" model: "data/total_word_feature_extractor_zh.dat" - name: "JiebaTokenizer" dictionary_path: "jieba_userdict" - name: "Mi

bert-base-chinese-tf_model.h5

Project_Rasa:Projeto Rasa NLU 1.0。 在Linux上使用ChatBot进行简单的开发Flask，Docker，Spacy（NLP）和Rasa（NLU）

Rasa nlu 构建中文系统-附件资源