Rasa_NLU及Rasa_NLU_Chi原生代碼除錯
前言
自然語言理解（NLU）是任務型對話系統等更高階應用的基石，基本的NLU工具，包括實體識別和意圖識別兩個任務。
已有的NLU工具，大多是以服務的方式，通過呼叫遠端http的restful API來對目標語句進行解析完成上述兩個任務。對於對資料比較敏感的使用者來講，開源專案Rasa_NLU可以本地部署，也可以針對實際需求訓練和調整模型。
Rasa_NLU只支援英語和德語兩種語言，中文因為其特殊性需要加入特定的tokenizer作為整個流水線的一部分，Rasa_NLU_Chi是其支援中文的版本，首先，為Rasa_NLU_Chi的大佬點贊。
因專案需求，我選擇Rasa_NLU_Chi研究，看了其文件，是一頭霧水，平時專案下載下來都是在python上一步一步除錯來理解程式碼的，這個專案（黑人問號），網上查了很多資料，流程也都跟github上的官方文件一樣，只好為了自己的目標（為了方便遷移）一步一步實現在python上除錯了。
我使用的是python3.6，好像該專案對python2和python3相容
訓練
1.採用> git clone https://github.com/crownpku/Rasa_NLU_Chi.git 將專案下載到本地；
2. 進入到Rasa_NLU_Chi檔案中，開啟終端，執行python setup.py install
3.下載訓練好的MITIE模型total_word_feature_extractor_chi.dat，分享如下。
連結：http://pan.baidu.com/s/1micEF0G 密碼：opli
下載後放置位置為Rasa_NLU_Chi/data/total_word_feature_extractor_chi.dat
4.在Rasa_NLU_Chi檔案 mkdir mitie, 然後進入到mitie檔案下，在終端輸入> git clone https://github.com/mit-nlp/MITIE.git 下載MITIE
然後進入到MITIE檔案下，在終端輸入python setup.py install
5.開啟pycharm，開啟Rasa_NLU_Chi工程，開啟/rasa_nlu/train.py，在Edit Configurations中輸入> -c …/sample_configs/config_jieba_mitie_sklearn.yml --data …/data/examples/rasa/demo-rasa_zh.json --path models
然後就可以除錯train.py了
可能會有一些路徑報錯，對應進行修改就好了
測試的我因時間問題，還沒來得及測試，測試後再更