一，中文支持实现
rasa内置支持使用jieba分词工具，并可使用自编字典，实现场景关键词的正确分词。这对于一些术语领域十分重要。
- 进入虚拟环境，安装jieba，
pip install jieba
2. 在rasa工程的根目录下的config.yml中，设置语言，将jieba添加pipeline至：
language: "zh"
pipeline:
- name: "JiebaTokenizer"
dictionary_path: "data/lookup_tables"
#dictionary_path的目录中后设置你的的字典文件
二， NER字典实现
这里需要实现对一类特定词汇的归类式实体提取。比如，将老虎，大象，章鱼等归类为animal，设置一个词槽（SLOT）就叫animal，凡是输入的句子中出现这些词汇的，都作为实体提取出来，并填入slot。
这些词汇可能不会被正确的分词，记得在前述jieba分词目录中，用一个文本文件做个字典。
如里需要RASA将这些词当作实体提取出来，一种方式，是使用nlu设置进行穷举，让nlu模块学习所有的这些实体，比如在nlu.yml中直接使用如下设置，可以直接定义老虎、狗、猫、大象为animal实体。
问题在于你可能有几百上千种animal实体，直接使用穷举的方式显得很笨，有些场合也不现实。比如，你无法穷举电话号码。
另一种方式，是使用RASA内置的正则设置，通过lookup选项，让RASA将lookup中列举的动物直接归入animal实体
(1) 设置config.ym
-name: "RegexFeaturizer"#添加正则特征提取选项
...
- name: "RegexEntityExtractor"
use_word_boundaries: False #中文环境要用
use_lookup_tables: True
use_regexes: True
(2) 设置nlu.yml
经过以上设置，虽然“企鹅”，“章鱼”等并没有出现在 - intent recognition设置的例句中，但rasa仍然将它们归为animal实体。
三，实际效果
在demo中，将animal实体做了特殊归类。出现animal的例句，被解读为recognition意图，此意图对应由action_recognize处理。
你可以输入："我喜欢章鱼"，来测试下。
注：在DEMO的演示回复，含有*reply: action_recognize*字样的，说明是由名为action_recognize的action类回复的。含有*reply: action_chitchat*字样的，说明是由名为action_chitchat的action类回复的，它调用了一个闲聊服务。 后续再讲解如何实现action
联系与资源
DEMO体验（注：无需注册，不要求获取个人信息），若小程序码无法显示，请搜索微信小程序：小鹰微智，或请前往主页www.moneymeeting.club
如果有疑问，可加微信，注备rasa，微信号：aiwabao2021
若需获取本项目相关 源码、配置资源，网盘链接：
https://pan.baidu.com/s/1zwe2PD1B-XOwh3bTizn5Lw
获取提取码，可关注公众号：智会*，并在后台回复： rasa
rasa系列文章的源码解读，亦将发布在此公众号上，如有需要可持续关注更新
NLP系列:
对话管理系统RASA免费资源
中文语音合成TTS免费API
中文语音识别ASR免费API
机器翻译NMT免费资源