story数据思维导图

Stories是rasa中对话管理-对话策略学习部分的语料数据，由用户在yaml文件中自行配置

Checkpoints是用来是模块化和简化训练数据的，一个完整的故事块中会有一部分可能是多个故事共用的。

OR Statement是故事中用户输入的不同意图都适用这个故事块的时候，可以合到一起写，用OR statement配置。

StoryStep并非配置文件中的step，而是一个故事块中的一部分

StoryGraph是指将完整的stories训练数据通过DAG图的形式进行组织。

一个StoryStep是一个节点，边则是根据同名的end_checkpoint和start_checkpoint来进行连接，边的方向为“end_checkpoint-->start_checkpoint”。

Tracker是对话追踪对象，这里的Tracker是TrackerWithCachedStates，继承自抽象类DialogueStateTracker，具有sender_id，events等属性，tracker的状态更新通过events来实现。

所有的stories训练数据加载表示之后，输入对话策略模型之前都需要先转化成tracker

当用户当前的对话状态和训练数据中的某个story状态完全一致时，就使用story中的后续动作作为预测结果输出，也就是说Memoization Policy采用的是一种硬匹配的形式。

stories数据加载生成storygraph，转化成tracker，然后输入到Memoization Policy中进行tracker特征化、state-action持久化，这一过程即为Memoization Policy的训练过程，预测过程则是将用户的对话状态特征化，然后通过查表的方法查找当前状态对应的动作，即实现动作的预测。

一个stories包含多个story block；

每个story可能切分为一个或多个StoryStep；

所有StorySteps组装成一个StoryGraph；

StoryGraph的每条深度路径生成一个tracker

所有tracker特征化的state-action元组生成一个lookup表。