إنشاء روبوت محادثة لموقعك على الويب (الجزء 1): إعداد روبوت محادثة Rasa محليًا على نظامك

مرحبا! هذا هو الجزء الأول من سلسلة مكونة من 3 أجزاء تتضمن إنشاء ونشر ملف chatbot لعملك أو لموقعك الشخصي باستخدام Docker و Heroku. منصة AI للمحادثة التي سأستخدمها هي راسا. Rasa هو إطار عمل تعلم آلي مفتوح المصدر يساعدك على إنشاء روبوتات محادثة ؛ يحدث أيضًا أن تكون منصة chatbot المفضلة لدي لعدة أسباب ، مثل كونها مفتوحة المصدر ومستخدمة على نطاق واسع وموثقة جيدًا.

في هذا المنشور ، سأتحدث عن كيفية إعداد Rasa محليًا على جهاز الكمبيوتر الخاص بك. على الرغم من أن نظام التشغيل الخاص بي هو Windows ، إلا أنه يمكن تكرار هذه العملية بأكملها لأي نظام.

المتطلبات المسبقة:

1. تنزيل Anaconda Prompt من هنا.
2. قم بتنزيل أدوات البناء من Microsoft هنا.
3. قم بإنشاء دليل على نظامك حيث ترغب في تخزين مشروع Rasa الخاص بك.

بمجرد الانتهاء من كل ذلك ، افتح ملف الأناكندة أفعى ضخمة موجه التطبيق و 'قرص مضغوط في الدليل الذي أنشأته ، يُطلق علي اسمي "مشروع راسا".

ثم قم بتشغيل الأوامر التالية في Anaconda Prompt:

1. قم بإنشاء بيئة افتراضية باستخدام الأمر أدناه.

كوندا يخلق -n rasavirtualenv python = 3.6

2. قم بتنشيط بيئتك باستخدام الأمر

كوندا تفعيل rasavirtualenv

3. تثبيت Ujson

كوندا تثبيت ujson == 1.35

4. تثبيت Tensorflow

كوندا تثبيت Tensorflow

5. تثبيت المصدر المفتوح Rasa.

تثبيت نقطة راسا

6. قم بإنشاء مشروع rasa جديد في دليل المشروع الخاص بك

الحرف الأول rasa

1. تقرير اتجاهات Chatbot 2021

2. 4 مهام و 3 لا تفعل لتدريب نموذج Chatbot NLP

3. بوت الكونسيرج: التعامل مع روبوتات المحادثة المتعددة من شاشة دردشة واحدة

4. نظام خبير: الذكاء الاصطناعي للمحادثة مقابل روبوتات المحادثة

بالنظر إلى الجزء الأخير من الشاشة أعلاه ، عندما يُطلب منك إدخال المسار الذي ترغب في إنشاء مشروع ، أدخل علامة الفترة (.) ، وهذا يدل على أنك ترغب في إنشاء مشروع في الدليل الحالي. عند سؤالك عما إذا كنت ترغب في تدريب النموذج ، يمكنك إما اختيار "y" أو "n".

بعد انتهاء تنفيذ الأمر أعلاه وإنشاء المشروع الجديد ، سيتم سؤالك عما إذا كنت ترغب في التحدث مع chatbot في المحطة. إذا أجبت بنعم ، فسيبدأ حوار بينك وبين برنامج الدردشة الآلي الذي تم إنشاؤه حديثًا.

الآن وقد تم إنشاء المشروع ، إذا قمت بفحص دليل المشروع الخاص بك ، فسترى أنه قد تمت إضافة العديد من الملفات إليه. سأناقش بسرعة 3 ملفات أشعر أنك بحاجة لفهم محتواها ؛ الملف domain.yml في الدليل الرئيسي والملفات nlu.yml و قصص في ال البيانات المجلد.

• nlu.yml الملف هو المكان الذي يتم فيه تخزين جميع بيانات التدريب. بيانات التدريب عبارة عن نماذج للرسائل التي يمكن للمستخدمين إرسالها إلى chatbot. في هذا الملف ، يتم تصنيف الرسائل حسب النية. يمكن رؤية مقتطفات من الملف أدناه. كما ترون، القصد: تحية العديد من الأمثلة مثل "hi" و "hello" و "hey" وما إلى ذلك. النية: وداعا لديه أمثلة "مع السلامة" و "وداعا" و "كو" وما إلى ذلك.

لغة البرمجة الوطنية:
- القصد: تحية
أمثلة: |
- مهلا
- مرحبا
- أهلا
- أهلا بك
- صباح الخير
- مساء الخير
- مرحبا يا من هناك
- هيا بنا
- اهلا يا دودى
- صباح الخير
- مساء الخير
- مساء الخير
- أهلا- النية: وداعا
أمثلة: |
- مساء الخير
- كو
- مع السلامه
- أراكم لاحقًا
- تصبح على خير
- وداعا
- مع السلامة
- أتمنى لك يوم سعيد
- أراك بالجوار
- مع السلامة
- أراك لاحقا
- وداعا

• domain.yml ملف يحدد نطاق مشروعك. يحتوي على معلومات بارزة حول مشروعك ، مثل النوايا والكيانات والفتحات والإجراءات ، وعلى وجه الخصوص ، نموذج rاسبونس أن الروبوت يجب أن يرسله مرة أخرى إلى المستخدم عندما يتلقى رسالة. مشابه ل nlu.yml، يتم تصنيف استجابات الروبوت وفقًا للقصد. على سبيل المثال ، ملف الرد: utter_greet يتم إرساله عندما يريد الروبوت إعادة تحية المستخدم. يظهر هذا في مقطع الرمز أدناه.

المقاصد:
- تحية:
use_entities: صحيح
- مع السلامة:
use_entities: صحيح
- يؤكد:
use_entities: صحيح
- أنكر:
use_entities: صحيح
- مزاج_رائع:
use_entities: صحيح
- مزاج غير سعيد:
use_entities: صحيح
- تحدي الروبوت:
use_entities: صحيحجهات: []
الفتحات: {}استجابات:
الترحيب:
- النص: مرحبًا! كيف حالك؟
- النص: مرحبًا! كيف حالك اليوم؟
utter_cheer_up:
- صورة: https://i.imgur.com/nGF1K8f.jpg
النص: "هنا شيء يفرح لك:"
التعليمات: idid_did_that_help:
- النص: هل ساعدك ذلك؟
السعادة:
- النص: رائع ، استمر!
الوداع:
- النص: وداعا
utter_iamabot:
- النص: أنا روبوت ، مدعوم من Rasa.أجراءات: []
نماذج: {}
إجراءات e2e_actions: []

• قصص ملف يجمع رسائل المستخدم وردود الروبوت معًا. يقوم بإنشاء قصة أو قطعة من التفاعلات العديدة التي يمكن أن تحدث بين الروبوت والمستخدم. يحدد الرد الذي يجب أن يقدمه روبوت المحادثة بناءً على القصد من الرسالة المرسلة من قبل المستخدم. يساعد هذا في تعليم chatbot ما يجب فعله في سيناريوهات مختلفة. على سبيل المثال ، بالنظر إلى مقطع الشفرة أدناه ، إذا تلقى روبوت المحادثة رسالة بقصد "تحية" ، يجب عليها تنفيذ الإجراء الذي يرسل الرد "utter_greet"العودة إلى المستخدم.

قصص:- القصة: طريق سعيد
خطوات:
- القصد: تحية
- الإجراء: utter_greet
- النية: mood_great
- عمل: utter_happy

في هذه المرحلة ، يكون chatbot الخاص بك قادرًا فقط على التعامل مع محادثة أساسية وعامة جدًا. لتلائم احتياجاتك الشخصية أو التجارية ، تحتاج إلى إجراء بعض التغييرات على برنامج الدردشة الافتراضي. يمكنك القيام بذلك عن طريق تعديل محتوى ملف nlu.yml, story.yml ، domain.yml الملفات المذكورة أعلاه باستخدام محرر نصوص. ومع ذلك ، فإن أفضل طريقة لإجراء هذه التغييرات هي من خلال النظام الأساسي راسا X.

في الجزء التالي من هذه السلسلة المكونة من ثلاثة أجزاء ، سأتحدث عن كيفية تعديل وتدريب واختبار روبوت المحادثة الخاص بك باستخدام Rasa X. يمكنك العثور على المنشور هنا!

إذا أعجبك هذا المنشور ، فاشتر لي قهوة! شكرا للقراءة.

ستشجعني مساهمتك على إنشاء المزيد من المحتوى مثل هذا.

Source: https://chatbotslife.com/creating-a-chatbot-for-your-website-part-1-setting-up-rasa-chatbot-locally-on-your-system-6731b0bafa44?source=rss—-a49517e4c30b—4