首先，我一直想搞一个聊天机器人，这回终于开始学习并开始搞了，希望可以坚持下去搞出一个半成品或者成品
自然语言处理NLP挺火的，因为AI人工智能的应用，和现在客服系统、反馈、问答、引导等等的需求很多，是必须要学习一下的。
库用的spaCy（英['speɪsɪ]美[ˈspesi]），语言在学习阶段使用英语模型和部分参杂中文做测试使用
先记录和搞清几个概念，术语
1，意图 Intent ：用户的目的，意图，想要什么的？例如 “订一张电影票”，意图就是“订电影票”，或者“我要订餐”、“你可以帮我订餐吗”，意图就是“订餐”
2，实体 Entities ：意图拥有命名为“实体”的元数据。例如“订一张电影票”，意图是“订票”，实体就是“电影”，实体可以是数量、次数或者体积。意图可以有很多实体，例如，“给我定一个8码的鞋子”。两个实体：类目：鞋子，大小：8[码]
3，话术 Utterances ：同一个问题或意图的不同表达形式。例如订票可以很多说法，建议每个意图最好匹配10个话术，最少5个，这不是严格限制
4，训练机器人 ：训练本质上是构建模型，模型是基于一组预定义的意图/实体的话术进行学习，再对新的话术进行分类以及提供一个置信度分数。使用话术训练系统时，称为监督学习。
5，置信度得分 ：发现一个话术可能时什么意图时，模型得出一个置信度分数，表达机器学习模型对识别出用户意图的信心。
spyCy ：开源高级自然语言处理库，按照书上说的目前最快的，准确性也更高一些。 2017年的数据是，spaCy v2.x 准确性有92.6
好了下边开始环境的配置安装，本文和以后的都使用python3环境
首先建立好项目目录后，使用dos窗口执行命令
1，安装 vnev 虚拟环境
python -m venv venv
2，打开虚拟环境
.\venv\Scripts\activate.bat
3，安装 spaCy
pip install -U spacy
4，安装 Jupyter Notebook [ 本步骤可以跳过省略，使用dos窗口或者其它编辑器进行代码编辑也可 ]
pip install jupyter
5，安装模型，比较重要的一步，
说实话，模型文件很大，一个英文模型就有438M，再加上中文模型398M，建议是下载tar.gz文件，然后使用本地安装， 其它配套的库则会自动安装
下载地址：https://github.com/explosion/spacy-models/releases，记得选择好版本，我这里只是测试，所以直接下载最新版本
下载完成后，拷贝到项目目录，然后执行 pip install en_core_web_trf-3.0.0a0.tar.gz
就会开始安装，并自动补充其它支撑库，安装完成后，即可开始测试
下边是再Jupyter环境里的测试（jupyter 每次需要手动启动，在venv虚拟环境里执行 jupyter notebook 就会自动打开浏览器并打开jupyter界面）
在界面右上角靠下一行，“New”那个菜单里选择python3，就会再弹出一个模拟终端，下边是运行测试代码的效果
好了， 以上是安装配置spaCy的记录和例子。后续会不断补充