1. 安装Visual Studio 2015
VS2015并不是非装不可，也不一定要这个版本。不过，在Python开发中还是比较重要的，有很多Python库在安装时f都会出现文件或者是命令，又或者是库找不到等等，这样那样的问题。比如：Twisted、Scrapy、MITIE等等。安装VS2015可以减少很多问题。
下载地址
VS2015 专业版下载链接
http://download.microsoft.com/download/B/8/9/B898E46E-CBAE-4045-A8E2-2D33DD36F3C4/vs2015.pro_chs.isoVS2015社区版下载链接
http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs2015.com_chs.iso
注意： 安装时要选择安装Visual C++语言及工具，默认是不安装的。
2. 安装cmake
官网下载：https://cmake.org/download/
选择下载安装包，这个最简单，运行时直接选择写入环境变量就好了，不用自己手动写环境变量了。
3. 安装boost
boost没有编译好的安装程序之类的东西，需要将下载回来的压缩包解压后，再编译。编译过程对VS2015有依赖，之前装了，可以放心运行。
我本机boost的解压目录为：D:\boost\boost_1_69_0
安装步骤
先打开命令行工具，并切换工作目录。执行bootstrap.bat命令后，会生b2.exe bjam.exe。最后再执b2, --prefix指定安装的目录
cd D:\boost\boost_1_69_0\tools\build
bootstrap.bat
b2 --prefix=D:\boost\bin install
4. 安装MITIE
不安装MITIE并不影响Rasa_NLU_Chi的安装，但是在运行过程中会报错，所以还是先安装吧。事实上，也是因为安装MITIE出问题，才去安装cmake以及boost库的，因为MITIE的安装也是要在本地编译的，编译过程中Visual Studio、cmake、boost库三者缺一不可
MITIE可以通过在线安装
pip install git+https://github.com/mit-nlp/MITIE.git
如果没有安装git也可以用svn代替。不过最好还是离线安装，先下载代码，解压后切换到目录下，然后运行
python setup.py install
离线安装的好处是如果安装出现问题，可以更好的发现及重试。
5. 安装中文分词工具jieba
jieba的安装非常简单。
pip install jieba
在安装Rasa_NLU_Chi中，可能还会出现一些依赖库没有安装导致安装失败的问题，一个个安装就可以了。
6. 安装Rasa_NLU_Chi
经过漫长的准备工作，终于进入正题了。
-
首先下载代码并解压，然后打开命令提示符并切换工作目录，执行安装。
python setup.py install -
接下来准备模型数据。先不用自己训练模型，直接下载一份训练好的模型数据。
链接：http://pan.baidu.com/s/1micEF0G 密码：opli
下载完成后将文件放到data目录下。
-
训练Rasa NLU的模型。所有的配置以及训练数据都先不改，直接使用已有的。先跑起来看到效果再说。
python -m rasa_nlu.train -c sample_configs/config_jieba_mitie_sklearn.yml --data data/examples/rasa/demo-rasa_zh.json --path models注意： 这个步骤不能少，虽然代码中test_models目录下已经有训练好的模型了，但是当前版本的模型与代码不匹配，运行会报错。
-
启动Rasa_nlu服务。
python -m rasa_nlu.server -c sample_configs/config_jieba_mitie_sklearn.yml --path models -
测试。终于完成了，来看看效果吧。
使用浏览器打开
localhost:5000/parse?q=你好稍等片刻后会看到返回结果
{ "intent": { "name": "greet", "confidence": 0.6863286690180176 }, "entities": [], "intent_ranking": [ { "name": "greet", "confidence": 0.6863286690180176 }, { "name": "goodbye", "confidence": 0.22795754042984873 }, { "name": "affirm", "confidence": 0.058162658792195523 }, { "name": "search", "confidence": 0.01325906726417518 }, { "name": "restaurant_search", "confidence": 0.008356444773033047 }, { "name": "medical", "confidence": 0.005935619722729551 } ], "text": "你好" }
