Oprettelse af en live chatbot til dit websted (del 2): ​​Ændring, træning og test af din chatbot...

Hej! Velkommen til anden del af en 3-delt serie, der involverer oprettelse og implementering af en chatbot til din virksomhed eller personlige hjemmeside ved hjælp af Rasa, Docker og Heroku. I den første del, Jeg talte om at opsætte chatbot lokalt på dit system og foretage ændringer i den ved hjælp af en teksteditor. I denne anden del vil jeg tale om, hvordan du laver ændringer i din chatbot ved hjælp af platformen Rasa X. Jeg vil lære dig, hvordan du tilføjer nye data, træner din bot og bruger den nygenererede model til at tale med din chatbot, hele vejen igennem Rasa X.

Rasa X er et værktøj til samtaledrevet udvikling (CDD), der hjælper dig med at forbedre din chatbot. Rasa X giver dig en brugergrænseflade, så du kan interagere med din bot. Med Rasa X kan du chatte med din lokale chatbot som slutbruger, du kan også indtaste nye data og genoptræne din chatbot.

For at installere Rasa X skal du gøre følgende:

1. Åbn Anaconda-prompt og cd ind i din Rasa-projektmappe (oprettet i første del af denne serie).

2. Aktiver det virtuelle miljø, du oprettede i den sidste del af denne serie.

conda aktivere rasavirtualenv

3. Installer Rasa X ved at køre kommandoen nedenfor

pip installer rasa-x — extra-index-url https://pypi.rasa.com/simple

Du skal muligvis nedgradere pip, hvis installationen tager for lang tid

pip installation — opgrader pip==20.2

Når Rasa X er blevet installeret, skal du køre kommandoen nedenfor

rasa X

Denne kommando åbner en brugergrænseflade i din browser. I denne brugergrænseflade vil du se flere faner. I denne tutorial vil jeg fokusere på Nlu data, Svar, Historier, Modeller, tal med din bot fane og Tog .

Fanen NLU Data

Her indtaster du træningsdata for brugeren. Træningsdataene her er eksempelbeskeder, som brugeren potentielt kan sende til chatbotten. Dette svarer til nlu.yml fil på dit lokale system. Når du indtaster en ny besked, skal du også klassificere den hensigt, dette hjælper chatbotten med at forudsige, hvad meningen bag en brugers besked er, når den modtager en lignende besked i fremtiden.

På billedet ovenfor kan du se, at jeg har indtastet en ny besked 'Time' og jeg klassificerede hensigten som 'hilse'. Efter at have indtastet disse oplysninger, gemmer jeg dem. Du kan indtaste så mange eksempler, som du vil, jo flere jo bedre. Du kan også oprette nye hensigter.

Fanen Svar

Det er her, du indtaster eksempler på svar for chatbotten, dvs. de beskeder chatbotten skal sende tilbage til brugeren, når den modtager en besked. Svarende til NLU data fanen, er hvert svar kategoriseret efter hensigten; for eksempel, 'utter_hilsen' omfatter de svar, chatbotten skal give til brugeren, når den modtager en besked med hensigt 'hilse'. Du kan indtaste nye svar ved at vælge en svarkategori og klikke på plusknappen. Når du indtaster en ny svarvariant, trykker du blot 'Gemme'. Du kan også oprette nye svarkategorier.

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

Fanen Historier

Dette svarer til historier.yml fil i din lokale filmappe. Det er her du samler dataene fra de to foregående faner. Her laver du dybest set en historie eller et plot, hvor chatbotten afhængigt af hensigten med den besked, som brugeren sender, skal give et passende svar. Dette hjælper med at lære chatbotten, hvad den skal gøre i forskellige scenarier. For eksempel hvis chatbotten modtager en besked med hensigt 'hilse' den skal svare ved at sende en hilsen tilbage til brugeren gennem handlingen 'utter_hilsen'.

Du skal skabe så mange historier som muligt. Du skal have en glad sti/historie, dvs. hvor tingene går som planlagt. Du skal også have en trist sti/historie, som håndterer undtagelserne. Du kan oprette en ny historie ved at klikke på plus-knappen.

Tog knap

Når du er færdig med at indtaste alle dine nye data i NLU data, Svar , Historier fanen, skal du trykke på Tog knappen, vil denne knap genoptræne din chatbot og gemme den nyligt genererede model i Modeller fanen. Det fantastiske ved Rasa X er, at når du træner din chatbot, bliver alle de nye data, du indtastede, også indtastet og gemt lokalt i de tilsvarende filer på dit lokale system.

Fanen Modeller

Her kan du finde alle dine genererede modeller. Den mest aktuelle model er altid den øverst. Du kan aktivere denne model ved at klikke på pil op.

Chat med din bot-fane

Når du har aktiveret den nye model, kan du teste den i Chat med din bot fanen. Som du kan se på billedet nedenfor, er svaret botten gav det nye svar, jeg indtastede tidligere.

Der har du det! Sådan indtaster du nye data, træner og tester din chatbot ved hjælp af Rasa X. I den næste del af denne serie vil jeg tale om, hvordan du implementerer din chatbot på en live-server Heroku ved hjælp af Docker, og også hvordan du kommunikerer med denne bot gennem en chat-widget på din hjemmeside. Bliv hængende!!

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

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

Source: https://chatbotslife.com/creating-a-live-chatbot-for-your-website-part-2-modifying-training-and-testing-your-chatbot-5d5463a83873?source=rss—-a49517e4c30b—4