Oprettelse af en chatbot til dit websted (del 1): Opsætning af Rasa chatbot lokalt på dit system

Hej! Dette er den første del af en 3-delt serie, der involverer oprettelse og implementering af en chatbot til din virksomhed eller personlige hjemmeside ved hjælp af Docker og Heroku. Den konverserende AI-platform, jeg ville bruge, er Rasa. Rasa er en open source maskinlæringsramme, der hjælper dig med at oprette chatbots; det er tilfældigvis også min foretrukne chatbot-platform af flere årsager, såsom at den er open source, meget brugt og veldokumenteret.

I dette indlæg vil jeg tale om, hvordan du opsætter Rasa lokalt på din computer. Selvom mit OS er Windows, kan hele denne proces replikeres for ethvert system.

Forudsætning:

1. Download Anaconda-prompt fra link..
2. Download Microsoft byggeværktøjer link..
3. Opret en mappe på dit system, hvor du gerne vil gemme dit Rasa-projekt.

Når alt dette er gjort, skal du åbne Anaconda Hurtig ansøgning og 'cd' i den mappe, du oprettede, hedder mit 'Rasa Project'.

Kør derefter følgende kommandoer i Anaconda-prompt:

1. Opret et virtuelt miljø ved hjælp af kommandoen nedenfor.

conda oprette -n rasavirtualenv python=3.6

2. Aktiver dit miljø ved hjælp af kommandoen

conda aktivere rasavirtualenv

3. Installer Ujson

conda installer ujson==1.35

4. Installer Tensorflow

conda installerer tensorflow

5. Installer Rasa Open Source.

pip installer rasa

6. Opret et nyt rasa-projekt i din projektmappe

rasa init

1. Chatbot-trendsrapport 2021

2. 4 DO's og 3 DON'T'er for at træne en Chatbot NLP-model

3. Concierge Bot: Håndter flere chatbots fra én chatskærm

4. Et ekspertsystem: Conversational AI Vs Chatbots

Når du ser på den sidste del af skærmbilledet ovenfor, når du bliver bedt om at indtaste stien, du gerne vil oprette projekt, skal du indtaste punkttegn (.), dette betyder, at du gerne vil oprette projekt i den aktuelle mappe. Når du bliver spurgt, om du gerne vil træne model, kan du enten vælge 'y' eller 'n'.

Når kommandoen ovenfor er færdig med at udføre, og det nye projekt er blevet oprettet, vil du blive spurgt, om du vil tale med chatbot i terminalen. Hvis du svarer ja, starter en dialog mellem dig og den nyoprettede chatbot.

Nu hvor projektet er oprettet, hvis du tjekker dit projektbibliotek, vil du se, at der er tilføjet flere filer til det. Jeg vil hurtigt diskutere 3 filer, som jeg føler, du har brug for for at forstå deres indhold; filen domæne.yml i hovedbiblioteket og filerne nlu.yml , historier.yml i data mappe.

nlu.yml fil er hvor alle træningsdata er gemt. Træningsdataene er eksempelbeskeder, som brugere kan sende til din chatbot. I denne fil er meddelelserne kategoriseret efter hensigt. Et uddrag af filen kan ses nedenfor. Som du kan se, hensigt: hilse har flere eksempler fx 'hej', 'hej', 'hej' osv. Hensigt: farvel har eksempler 'farvel', 'farvel', 'cu' osv.

nlu:
- hensigt: hilse
eksempler: |
- Hej
- Hej
- Hej
- Hej med dig
- god morgen
- god aften
- Hej med dig
- Lad os gå
- Hey dude
- god morgen
- god aften
- god eftermiddag
- Hej- hensigt: farvel
eksempler: |
- god eftermiddag
— cu
- godt ved
- vi ses senere
- godnat
- farvel
- farvel
- hav en god dag
- vi ses
- Hej hej
- vi ses senere
— Adios

domæne.yml fil definerer omfanget af dit projekt. Den indeholder vigtige oplysninger om dit projekt, såsom hensigter, entiteter, slots, handlinger, og især prøven rreaktioner at botten skal sende tilbage til brugeren, når den modtager en besked. Svarende til nlu.yml, bot-svar er kategoriseret efter hensigt. For eksempel svar: utter_greet sendes, når botten ønsker at sende en hilsen tilbage til brugeren. Dette er vist i kodesegmentet nedenfor.

hensigter:
- hilse:
use_entities: sand
- farvel:
use_entities: sand
- bekræfte:
use_entities: sand
- benægte:
use_entities: sand
- humør_godt:
use_entities: sand
- humørulykkelig:
use_entities: sand
- bot_challenge:
use_entities: sandenheder: []
pladser: {}svar:
utter_hilsen:
- tekst: Hej! Hvordan har du det?
- tekst: Hej! Hvordan har du det i dag?
opmuntre_op:
- billede: https://i.imgur.com/nGF1K8f.jpg
tekst: 'Her er noget til at muntre dig op:'
utter_did_that_help:
— tekst: hjalp det dig?
fuldstændig_glad:
— tekst: Godt, fortsæt!
utter_farvel:
— tekst: Hej
utter_iamabot:
— tekst: Jeg er en bot, drevet af Rasa.handlinger: []
formularer: {}
e2e_actions: []

historier.yml fil samler brugerens beskeder og bot-svar. Det skaber en historie eller et plot af de adskillige interaktioner, der kan forekomme mellem botten og brugeren. Det specificerer, hvilket svar chatbotten skal give baseret på hensigten med den besked, der sendes af brugeren. Dette hjælper med at lære chatbotten, hvad den skal gøre i forskellige scenarier. For eksempel ved at se på kodesegmentet nedenfor, hvis chatbotten modtager en besked med hensigt 'hilse', den skal udføre den handling, der sender svaret 'utter_hilsen' tilbage til brugeren.

historier:- historie: glad vej
trin:
— hensigt: hilse
— handling: utter_greet
— hensigt: humør_godt
— handling: fuldstændig_glad

På dette tidspunkt er din chatbot kun i stand til at håndtere meget grundlæggende og generisk samtale. For at passe til dine personlige eller forretningsmæssige behov skal du foretage nogle ændringer til standard chatbot. Du kan gøre dette ved at ændre indholdet af nlu.yml, story.yml, domæne.yml filer nævnt ovenfor ved hjælp af en teksteditor. Den bedste måde at foretage disse ændringer på er dog via platformen Rasa X.

I den næste del af denne tredelte serie vil jeg tale om, hvordan du ændrer, træner og tester din chatbot ved hjælp af Rasa X. Du kan finde indlægget link.!

Hvis du kan lide dette indlæg, HIT Køb mig en kop kaffe! Tak fordi du læste med.

Dit bidrag vil opmuntre mig til at skabe mere indhold som dette.

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