Hallo! Dies ist der erste Teil einer dreiteiligen Serie, in der a erstellt und bereitgestellt wird Chatbot für Ihre geschäftliche oder persönliche Website mit Docker und Heroku. Die Konversations-KI-Plattform, die ich verwenden würde, ist Rasa. Rasa ist ein Open Source-Framework für maschinelles Lernen, mit dem Sie Chatbots erstellen können. Es ist auch aus mehreren Gründen meine Lieblings-Chatbot-Plattform, zum Beispiel weil es Open Source ist, weit verbreitet und gut dokumentiert.
In diesem Beitrag werde ich darüber sprechen, wie Sie Rasa lokal auf Ihrem Computer einrichten. Obwohl mein Betriebssystem Windows ist, kann dieser gesamte Prozess für jedes System repliziert werden.
Voraussetzungen:
- Laden Sie Anaconda Prompt von herunter hier.
- Laden Sie die Microsoft Build-Tools herunter hier.
- Erstellen Sie auf Ihrem System ein Verzeichnis, in dem Sie Ihr Rasa-Projekt speichern möchten.
Sobald dies alles erledigt ist, öffnen Sie die Anaconda Prompt Anwendung und 'CD' In dem von Ihnen erstellten Verzeichnis heißt mein Verzeichnis 'Rasa Project'.
Führen Sie dann die folgenden Befehle in der Anaconda-Eingabeaufforderung aus:
- Erstellen Sie eine virtuelle Umgebung mit dem folgenden Befehl.
conda create -n rasavirtualenv python = 3.6
2. Aktivieren Sie Ihre Umgebung mit dem Befehl
conda rasavirtualenv aktivieren
3. Installieren Sie Ujson
conda install ujson == 1.35
4. Installieren Sie Tensorflow
conda installieren tensorflow
5. Installieren Sie Rasa Open Source.
pip installieren rasa
6. Erstellen Sie ein neues rasa-Projekt in Ihrem Projektverzeichnis
rasa init
2. 4 DOs und 3 DON'Ts zum Trainieren eines Chatbot-NLP-Modells
3. Concierge-Bot: Behandeln Sie mehrere Chatbots von einem Chat-Bildschirm aus
Wenn Sie im letzten Teil des obigen Bildschirms aufgefordert werden, den Pfad einzugeben, für den Sie ein Projekt erstellen möchten, geben Sie das Punktzeichen (.) Ein. Dies bedeutet, dass Sie ein Projekt im aktuellen Verzeichnis erstellen möchten. Wenn Sie gefragt werden, ob Sie das Modell trainieren möchten, können Sie entweder 'y' oder 'n' wählen.
Nachdem der obige Befehl ausgeführt wurde und das neue Projekt erstellt wurde, werden Sie gefragt, ob Sie mit dem sprechen möchten Chatbot im Terminal. Wenn Sie mit Ja antworten, beginnt ein Dialog zwischen Ihnen und dem neu erstellten Chatbot.
Wenn Sie nach dem Erstellen des Projekts Ihr Projektverzeichnis überprüfen, werden Sie feststellen, dass mehrere Dateien hinzugefügt wurden. Ich werde schnell 3 Dateien besprechen, von denen ich glaube, dass Sie ihren Inhalt verstehen müssen. die Datei domain.yml im Hauptverzeichnis und den Dateien nlu.yml und Geschichten.yml der technische Daten -Ordner.
Das nlu.yml In dieser Datei werden alle Trainingsdaten gespeichert. Die Trainingsdaten sind Beispielnachrichten, die Benutzer an Ihre senden können Chatbot. In dieser Datei werden die Nachrichten nach Absicht kategorisiert. Ein Auszug aus der Datei ist unten zu sehen. Wie du siehst, Absicht: grüße hat mehrere Beispiele, zB 'Hallo', 'Hallo', 'Hey' usw. Absicht: Auf Wiedersehen hat Beispiele 'Tschüss', 'Auf Wiedersehen', 'Cu' usw.
nlu:
- Absicht: grüßen
Beispiele: |
- Hallo
- Hallo
- Hallo
- Hallo
- guten Morgen
- guten Abend
- Sie da
- Lass uns gehen
- Hey Mann
- guten Morgen
- guten Abend
- guten Nachmittag
- Hallo- Absicht: Auf Wiedersehen
Beispiele: |
- guten Nachmittag
- cu
- Auf Wiedersehen
- Bis später
- Gute Nacht
- Tschüss
- Auf Wiedersehen
- Einen schönen Tag noch
- Bis demnächst
- Tschüss
- bis später
- Adios
Das domain.yml Datei definiert den Umfang Ihres Projekts. Es enthält wichtige Informationen zu Ihrem Projekt, z. B. Absichten, Entitäten, Slots, Aktionen und insbesondere das Beispiel rAntworten dass der Bot an den Benutzer zurücksenden soll, wenn er eine Nachricht empfängt. Ähnlich zu nlu.ymlBot-Antworten werden nach Absicht kategorisiert. Zum Beispiel die Antwort: äußern_greet wird gesendet, wenn der Bot eine Begrüßung an den Benutzer zurücksenden möchte. Dies wird im folgenden Codesegment gezeigt.
Absichten:
- grüßen:
use_entities: wahr
- Auf Wiedersehen:
use_entities: wahr
- bestätigen:
use_entities: wahr
- verweigern:
use_entities: wahr
- Mood_Great:
use_entities: wahr
- Mood_unhappy:
use_entities: wahr
- bot_herausforderung:
use_entities: wahrEntitäten: []
Schlüssel: {}Antworten:
äußern_greet:
- Text: Hey! Wie geht es dir?
- Text: Hallo! Wie geht es dir heute?
äußern_cheer_up:
- Bild: https://i.imgur.com/nGF1K8f.jpg
Text: 'Hier ist etwas, um dich aufzuheitern:'
äußern_did_that_help:
- Text: Hat dir das geholfen?
äußern_glücklich:
- Text: Großartig, mach weiter!
äußern_goodbye:
- Text: Tschüss
äußern_iamabot:
- Text: Ich bin ein Bot, angetrieben von Rasa.Aktionen: []
Formen: {}
e2e_Aktionen: []
Das Geschichten.yml Datei bringt die Nachrichten und Bot-Antworten des Benutzers zusammen. Es wird eine Storyline oder eine Darstellung der verschiedenen Interaktionen erstellt, die zwischen dem Bot und dem Benutzer auftreten können. Es gibt an, welche Antwort der Chatbot basierend auf der Absicht der vom Benutzer gesendeten Nachricht geben soll. Auf diese Weise kann der Chatbot lernen, was in verschiedenen Szenarien zu tun ist. Betrachten Sie beispielsweise das folgende Codesegment, wenn der Chatbot eine Nachricht mit Absicht empfängt 'grüßen', es muss die Aktion ausführen, die die Antwort sendet 'äußern_greet'zurück zum Benutzer.
Geschichten:- Geschichte: glücklicher Weg
Schritte:
- Absicht: grüßen
- Aktion: absolute_Greet
- Absicht: Mood_Great
- Aktion: absolut glücklich
Zu diesem Zeitpunkt kann Ihr Chatbot nur sehr einfache und allgemeine Konversationen verarbeiten. Um Ihren persönlichen oder geschäftlichen Anforderungen gerecht zu werden, müssen Sie einige Änderungen am Standard-Chatbot vornehmen. Sie können dies tun, indem Sie den Inhalt des ändern nlu.yml, story.yml, domain.yml Dateien, die oben erwähnt wurden, mit einem Texteditor. Der beste Weg, um diese Änderungen vorzunehmen, ist jedoch die Plattform Rasa X..
Im nächsten Teil dieser dreiteiligen Serie werde ich darüber sprechen, wie Sie Ihren Chatbot mit Rasa X ändern, trainieren und testen können. Sie finden den Beitrag hier!
Wenn Ihnen dieser Beitrag gefällt, HIT Kaufen Sie mir einen Kaffee! Danke fürs Lesen.
Ihr Beitrag wird mich ermutigen, mehr Inhalte wie diesen zu erstellen.
- Action
- beteuern
- AI
- Alle
- Anwendung
- BESTE
- Wander- und Outdoorschuhen
- bauen
- Geschäft
- Kaufe
- EWG
- Chatbot
- Chatbot-Plattform
- Chatbots
- Code
- Inhalt
- Gespräch
- Erstellen
- Strom
- CZ
- technische Daten
- DID
- Docker
- Herausgeber
- Arbeitsumfeld
- etc
- EU
- EV
- EY
- Vorname
- passen
- Unser Ansatz
- GitHub
- gut
- groß
- GV
- Ultraschall
- Hilfe
- HP
- hr
- HTTPS
- ia
- Image
- Information
- Absicht
- IP
- IT
- Kx
- lernen
- LG
- örtlich
- LP
- Maschinelles Lernen
- mittlere
- Microsoft
- Modell
- Nlp
- XNUMXh geöffnet
- Open-Source-
- Auftrag
- Plattform
- Projekt
- rasa
- Lesebrillen
- Gründe
- berichten
- Antwort
- Führen Sie
- Laufen
- Bildschirm
- Modellreihe
- Einstellung
- speichern
- System
- sprechen
- Test
- Ausbildung
- Trends
- Nutzer
- Assistent
- Webseite
- Fenster
- X