聊天机器人句子和故事生成器。
cross-words的Python项目详细描述
cross words是一个python模块，它允许您轻松创建带有参数化实体的文档集。
"cross words"的主要目标是提供一种简单的方式来创建用于聊天机器人培训的句子或故事。
截至2018年5月，它主要设计用于[rasa nlu/core]（http://rasa.com/）
1。[安装]（安装）
2.[如何使用此软件包]（用法）
1。安装<；a name="install">；<；/a>；
如何使用此软件包<；a name="usage">；<；/a>；
\cross words dsl
`cross words`基于一种简单而强大的特定于域的语言。
与rasa nlu/core一起使用时，它使用3个概念：
-**意图：*聊天机器人用户的目标（例如，要求预订餐厅、确认聊天机器人查询等）
-**实体：*包含关键信息的句子的特定部分（例如，要预订哪家餐厅、多少人等）
-**别名：*列表可以互换使用的同义词的详细信息，请访问[rasa nlu]（https://nlu.rasa.com/tutorial.html）
` cross words可以使用句子部分的组合生成许多训练句子/对话。
`cross words`配置文件如下：
```
@[时间过滤器]
本月
今年
有限公司
自发布以来的最新生命
各州
美国
加拿大
意大利
@[主题过滤器]
鸟类
鹦鹉
猫头鹰
狗
猫
波斯语
~[所有者]
所有者
拥有者
````
如果要求判刑，` cross words`将生成一个.md文件，其第一行是：
```
-我可以知道[加拿大]（geo-filter）[生命至今]（time-filter）中[鸟类]（subject-filter）拥有者的数量吗？
-我可以知道[美国]（geo-filter）[发布后]（time-filter）拥有[鹦鹉]（subject-filter）的数量吗？
-我可以知道[意大利]（geo-filter）[最新]（time-filter）中[owl]（subject-filter）拥有者的数量吗？
-我可以知道[意大利]（geo-filter）[发布后]（time-filter）中[owl]（subject-filter）拥有者的数量吗？
-我能知道[美国]（geo_filter）[ltd]（time_filter）的[狗]（subject_filter）所有者的数量吗？
-我可以知道[加拿大]（地理过滤器）[今年]（时间过滤器）的[狗]（主题过滤器）所有者的数量吗？
-我能知道[法国]（geo_filter）[今年]（time_filter）的[猫]（subject_filter）拥有者的数量吗？
-我能知道[美国]（geo-filter）[发布后]（time-filter）的[猫]（subject-filter）所有者的数量吗？
-我能知道[美国]（地理过滤器）[本月]（时间过滤器）的[猫]（主题过滤器）所有者的数量吗？
-我能知道[加拿大]（geo_filter）[至今为止的生命]（time_filter）的[猫]（subject_filter）所有者的数量吗？
```
然后，此文件就可以用作RASA NLU的培训输入。
-时隙{"时间过滤器"："自财政年度开始"}
-utter_ask_geo_filter
*收购{"geo_filter"："america"}
-槽{"geo_filter"："america"}
-utter_ask_subject_filter
*获取{"subject_filter"："dogs"}
-action_acquisition
"释放""地理过滤器"："德国"}
-slot{"时间过滤器"："发布以来"}
-slot{"地理过滤器"："德国"}
-utter_ask_subject_filter
*acquisition{"subject_filter"："owl"}
-slot{"subject_filter"："owl"}
-action_acquisition
877699493192194
*获取{"主题过滤器"："鹦鹉"}
-槽{"主题过滤器"："鹦鹉"}
-完全询问时间过滤器
*获取{"时间过滤器"："有限公司"}
-槽{"时间过滤器"："有限公司"}
-完全询问地理过滤器
*获取{"地理过滤器"："法国"}
-插槽{"geo_filter"："france"}
-action_acquisition
```
此文件可用于rasa core的培训。
所有其他功能都是实现细节。
generate（input_path，output_path="./xwords/outputs/"，intent_string=none，output_prefix=''，training_ratio=1.0，for_story=false，n_sub=none）
这是"cross words"的主要功能。
它将意图x实体x别名的所有组合输出到一个.md文件中，以备培训。
一些参数允许调整其行为：
-**输入路径：**配置文件的路径*（字符串）*
-**输出路径：**将在其中生成训练/测试文件的输出文件夹的路径writed*（string）*
-**intent_string**字符串指定句子文件开头的intent（对于rasa nlu）或generated stories内部的intent（对于rasa core）*（string）*
-**output_prefix**字符串指定要写入的文件的名称开头*（string）*
-**训练比率：***列车与试验台的比率。如果是.7，则所有生成的组合的30%将保留到测试文件中。如果为1.0，则不会创建测试文件。*（float）*
-**用于故事：**是生成句子（用于rasa nlu）还是生成故事（用于rasa core）*（bool）*
-**n-u sub:**要作为所有可能的意图x实体x别名组合的子样本的句子/故事（包括测试）*（生成故事时需要）对于rasa核心）
这是generate调用的第一个函数。
在@[地理过滤器]@[时间过滤器]中？]
```
-一个实体词，形式为
``
{实体{0'：['alternative_00'，'alternative_01'，…]，
实体{1'：['alternative_10'，'alternative_11'，…]，…}
例如，从上面开始：
{时间过滤器：['this month'，'this year'，…]，
"地理过滤器"：["法国"、"德国"…]，…}
````
-同义词的一种措辞，其形式为
````
{"别名"0:["备选""00"，"备选""01"…]，
"别名1"：["备选""10"，"备选""11"…]，…}
例如，从上面：
{owners'：['owners'，'posessors']}
````
生成的句子的总最大数量顺序为：
nb<；sub>；意向句子<；/sub>；次；平均值nb<；sub>；每个意向句子的实体占位符<；/sub>；次；平均值nb<；sub>；每个实体的备选方案<；/sub>；times；avg.nb<；sub>；每个意图语句的别名占位符<；/sub>；&；times；avg.nb<；sub>；每个别名的备选方案<；/sub>；
因此，创建的培训文件呈指数增长，因此，**generate**
中的available*n_sub*参数在特定情况下（rasa core），`cross words`也将使用*information availability*作为额外的组合维度。
下面的两个故事基于用户提供的不同的初始可用信息集：
````
"地理过滤器"："德国"}
-slot{"时间过滤器"："发布以来"}
-slot{"地理过滤器"："德国"}
-utter_ask_subject_filter
*acquisition{"subject_filter"："owl"}
-slot{"subject_filter"："owl"}
-action_acquisition
877699493192194
*获取{"时间过滤器"："自发布"}
-时隙{"时间过滤器"："自发布"}
-完全询问主题过滤器
*获取{"主题过滤器"："owl"}
-时隙{"主题过滤器"："owl"}
-完全询问地理过滤器
*获取{"地理过滤器"："德国"}
-插槽{"地理过滤器"："德国"}
-行动采购
`````
"cross words"的主要目标是提供一种简单的方式来创建用于聊天机器人培训的句子或故事。
截至2018年5月，它主要设计用于[rasa nlu/core]（http://rasa.com/）
1。[安装]（安装）
2.[如何使用此软件包]（用法）
1。安装<；a name="install">；<；/a>；
如何使用此软件包<；a name="usage">；<；/a>；
\cross words dsl
`cross words`基于一种简单而强大的特定于域的语言。
与rasa nlu/core一起使用时，它使用3个概念：
-**意图：*聊天机器人用户的目标（例如，要求预订餐厅、确认聊天机器人查询等）
-**实体：*包含关键信息的句子的特定部分（例如，要预订哪家餐厅、多少人等）
-**别名：*列表可以互换使用的同义词的详细信息，请访问[rasa nlu]（https://nlu.rasa.com/tutorial.html）
` cross words可以使用句子部分的组合生成许多训练句子/对话。
`cross words`配置文件如下：
```
@[时间过滤器]
本月
今年
有限公司
自发布以来的最新生命
各州
美国
加拿大
意大利
@[主题过滤器]
鸟类
鹦鹉
猫头鹰
狗
猫
波斯语
~[所有者]
所有者
拥有者
````
如果要求判刑，` cross words`将生成一个.md文件，其第一行是：
```
-我可以知道[加拿大]（geo-filter）[生命至今]（time-filter）中[鸟类]（subject-filter）拥有者的数量吗？
-我可以知道[美国]（geo-filter）[发布后]（time-filter）拥有[鹦鹉]（subject-filter）的数量吗？
-我可以知道[意大利]（geo-filter）[最新]（time-filter）中[owl]（subject-filter）拥有者的数量吗？
-我可以知道[意大利]（geo-filter）[发布后]（time-filter）中[owl]（subject-filter）拥有者的数量吗？
-我能知道[美国]（geo_filter）[ltd]（time_filter）的[狗]（subject_filter）所有者的数量吗？
-我可以知道[加拿大]（地理过滤器）[今年]（时间过滤器）的[狗]（主题过滤器）所有者的数量吗？
-我能知道[法国]（geo_filter）[今年]（time_filter）的[猫]（subject_filter）拥有者的数量吗？
-我能知道[美国]（geo-filter）[发布后]（time-filter）的[猫]（subject-filter）所有者的数量吗？
-我能知道[美国]（地理过滤器）[本月]（时间过滤器）的[猫]（主题过滤器）所有者的数量吗？
-我能知道[加拿大]（geo_filter）[至今为止的生命]（time_filter）的[猫]（subject_filter）所有者的数量吗？
```
然后，此文件就可以用作RASA NLU的培训输入。
-时隙{"时间过滤器"："自财政年度开始"}
-utter_ask_geo_filter
*收购{"geo_filter"："america"}
-槽{"geo_filter"："america"}
-utter_ask_subject_filter
*获取{"subject_filter"："dogs"}
-action_acquisition
"释放""地理过滤器"："德国"}
-slot{"时间过滤器"："发布以来"}
-slot{"地理过滤器"："德国"}
-utter_ask_subject_filter
*acquisition{"subject_filter"："owl"}
-slot{"subject_filter"："owl"}
-action_acquisition
877699493192194
*获取{"主题过滤器"："鹦鹉"}
-槽{"主题过滤器"："鹦鹉"}
-完全询问时间过滤器
*获取{"时间过滤器"："有限公司"}
-槽{"时间过滤器"："有限公司"}
-完全询问地理过滤器
*获取{"地理过滤器"："法国"}
-插槽{"geo_filter"："france"}
-action_acquisition
```
此文件可用于rasa core的培训。
所有其他功能都是实现细节。
generate（input_path，output_path="./xwords/outputs/"，intent_string=none，output_prefix=''，training_ratio=1.0，for_story=false，n_sub=none）
这是"cross words"的主要功能。
它将意图x实体x别名的所有组合输出到一个.md文件中，以备培训。
一些参数允许调整其行为：
-**输入路径：**配置文件的路径*（字符串）*
-**输出路径：**将在其中生成训练/测试文件的输出文件夹的路径writed*（string）*
-**intent_string**字符串指定句子文件开头的intent（对于rasa nlu）或generated stories内部的intent（对于rasa core）*（string）*
-**output_prefix**字符串指定要写入的文件的名称开头*（string）*
-**训练比率：***列车与试验台的比率。如果是.7，则所有生成的组合的30%将保留到测试文件中。如果为1.0，则不会创建测试文件。*（float）*
-**用于故事：**是生成句子（用于rasa nlu）还是生成故事（用于rasa core）*（bool）*
-**n-u sub:**要作为所有可能的意图x实体x别名组合的子样本的句子/故事（包括测试）*（生成故事时需要）对于rasa核心）
这是generate调用的第一个函数。
在@[地理过滤器]@[时间过滤器]中？]
```
-一个实体词，形式为
``
{实体{0'：['alternative_00'，'alternative_01'，…]，
实体{1'：['alternative_10'，'alternative_11'，…]，…}
例如，从上面开始：
{时间过滤器：['this month'，'this year'，…]，
"地理过滤器"：["法国"、"德国"…]，…}
````
-同义词的一种措辞，其形式为
````
{"别名"0:["备选""00"，"备选""01"…]，
"别名1"：["备选""10"，"备选""11"…]，…}
例如，从上面：
{owners'：['owners'，'posessors']}
````
生成的句子的总最大数量顺序为：
nb<；sub>；意向句子<；/sub>；次；平均值nb<；sub>；每个意向句子的实体占位符<；/sub>；次；平均值nb<；sub>；每个实体的备选方案<；/sub>；times；avg.nb<；sub>；每个意图语句的别名占位符<；/sub>；&；times；avg.nb<；sub>；每个别名的备选方案<；/sub>；
因此，创建的培训文件呈指数增长，因此，**generate**
中的available*n_sub*参数在特定情况下（rasa core），`cross words`也将使用*information availability*作为额外的组合维度。
下面的两个故事基于用户提供的不同的初始可用信息集：
````
"地理过滤器"："德国"}
-slot{"时间过滤器"："发布以来"}
-slot{"地理过滤器"："德国"}
-utter_ask_subject_filter
*acquisition{"subject_filter"："owl"}
-slot{"subject_filter"："owl"}
-action_acquisition
877699493192194
*获取{"时间过滤器"："自发布"}
-时隙{"时间过滤器"："自发布"}
-完全询问主题过滤器
*获取{"主题过滤器"："owl"}
-时隙{"主题过滤器"："owl"}
-完全询问地理过滤器
*获取{"地理过滤器"："德国"}
-插槽{"地理过滤器"："德国"}
-行动采购
`````
欢迎加入QQ群-->： 979659372
