2.4.2 配置流水线

Rasa NLU的配置文件使用的是YAML格式。下面是Rasa NLU配置的文件的样例。

大体上Rasa NLU的配置文件可以分为3个主要的键：recipe、language和pipeline。

recipe用于表示当前配置文件所用的格式。当前Rasa只支持一种格式，那就是default.v1。

language用于指定Rasa NLU将要处理的语言。Rasa作为一款通用的对话机器人框架，本身是语言无关（language agnostic）的，任何语言都能使用。但是组件本身很可能是语言相关的，某些组件只支持特定的语言，如分词器，特定的分词器只支持一种或多种语言，无法支持所有可能的语言。举例来说，Jieba分词器就不能正确地处理日文的分词。另外，一些组件对于不同的语言有不同的模型数据包，如spaCy。Rasa提供了language配置选项，方便组件对当前训练数据的语言进行判断。如果当前语言是不支持的语言，则可以通过抛出异常的方式通知开发者，让开发者更换其他语言的组件。如果组件支持该语言，但模型对于每种语言有不同的模型数据包，则可以在运行时利用language选项，加载相应的模型数据包。例如，在使用spaCy的时候，会默认载入和language同名的语言模型。其配置形式为language：<lang_code>，其中<lang_code>是ISO 639-1规范下的语言代码，英语的语言编码为en，中文的语言编码为zh。如果省略该字段，则默认为en。

pipeline是配置文件的核心，由列表构成（表现在YAML中就是以“-”开头的），列表的每一个元素都是一个字典（表现在YAML中类似于name：xxx），这些字典直接对应流水线组件。每个组件由字典的name键来指定，出现在字典中的其他键都是对这个组件的配置，运行时将传递给各个组件。

在上例中，共有6个组件。其中CountVectorsFeaturizer组件出现了2次（Rasa允许多个组件同时出现在一个流水线中），第2次出现的组件拥有3个配置项：analyzer：char_wb、min_ngram：1和max_ngram：4。