Δημιουργία chatbot για τον ιστότοπό σας (Μέρος 1): Ρύθμιση του Rasa chatbot τοπικά στο σύστημά σας

Γειά σου! Αυτό είναι το πρώτο μέρος μιας σειράς τριών μερών που περιλαμβάνει τη δημιουργία και την ανάπτυξη ενός chatbot για την επιχείρησή σας ή τον προσωπικό ιστότοπό σας χρησιμοποιώντας το Docker και το Heroku. Η συνομιλητική πλατφόρμα AI που θα χρησιμοποιούσα είναι Rasa. Το Rasa είναι ένα πλαίσιο μηχανικής μάθησης ανοιχτού κώδικα που σας βοηθά να δημιουργήσετε chatbots. Συμβαίνει επίσης να είναι η αγαπημένη μου πλατφόρμα chatbot για διάφορους λόγους, όπως είναι ανοιχτή πηγή, ευρέως χρησιμοποιούμενη και καλά τεκμηριωμένη.

Σε αυτήν την ανάρτηση, θα μιλήσω για το πώς να ρυθμίσετε το Rasa τοπικά στον υπολογιστή σας. Παρόλο που το λειτουργικό μου σύστημα είναι Windows, αυτή η όλη διαδικασία μπορεί να αναπαραχθεί για οποιοδήποτε σύστημα.

Προαπαιτούμενο:

1. Λήψη του Anaconda Prompt από εδώ.
2. Λήψη εργαλείων δημιουργίας Microsoft εδώ.
3. Δημιουργήστε έναν κατάλογο στο σύστημά σας όπου θέλετε να αποθηκεύσετε το έργο Rasa.

Μόλις ολοκληρωθούν όλα αυτά, ανοίξτε το ανακόνδας Προτροπή εφαρμογή και «CD' στον κατάλογο που δημιουργήσατε, ο δικός μου ονομάζεται «Rasa Project».

Στη συνέχεια, εκτελέστε τις ακόλουθες εντολές στο Anaconda Prompt:

1. Δημιουργήστε ένα εικονικό περιβάλλον χρησιμοποιώντας την παρακάτω εντολή.

conda create -n rasavirtualenv python = 3.6

2. Ενεργοποιήστε το περιβάλλον σας χρησιμοποιώντας την εντολή

conda ενεργοποιήστε το rasavirtualenv

3. Εγκαταστήστε το Ujson

conda install ujson == 1.35

4. Εγκαταστήστε το Tensorflow

conda εγκατάσταση tensorflow

5. Εγκαταστήστε το Rasa Open Source.

pip εγκατάσταση rasa

6. Δημιουργήστε ένα νέο έργο rasa στον κατάλογο του έργου σας

rasa init

1. Έκθεση για το Chatbot Trends 2021

2. 4 DO και 3 ΔΕΝ για την εκπαίδευση ενός μοντέλου Chatbot NLP

3. Concierge Bot: Χειριστείτε πολλαπλά Chatbots από μία οθόνη συνομιλίας

4. Ένα σύστημα εμπειρογνωμόνων: Συνομιλία AI Vs Chatbots

Κοιτάζοντας το τελευταίο μέρος της οθόνης παραπάνω, όταν σας ζητηθεί να εισαγάγετε διαδρομή που θέλετε να δημιουργήσετε έργο, εισαγάγετε το σύμβολο τελείας (.), Αυτό σημαίνει ότι θέλετε να δημιουργήσετε έργο στον τρέχοντα κατάλογο. Όταν ερωτηθείτε εάν θέλετε να εκπαιδεύσετε το μοντέλο, μπορείτε είτε να επιλέξετε «y» είτε «n».

Αφού ολοκληρωθεί η εκτέλεση της παραπάνω εντολής και έχει δημιουργηθεί το νέο έργο, θα ερωτηθείτε εάν θέλετε να μιλήσετε με το chatbot στο τερματικό. Εάν απαντήσετε ναι, θα ξεκινήσει ένας διάλογος ανάμεσα σε εσάς και το νέο chatbot που δημιουργήσατε.

Τώρα που έχει δημιουργηθεί το έργο, εάν ελέγξετε τον κατάλογο έργων σας, θα δείτε ότι έχουν προστεθεί πολλά αρχεία σε αυτό. Θα συζητήσω γρήγορα 3 αρχεία που πιστεύω ότι πρέπει να κατανοήσετε το περιεχόμενό τους. το αρχείο domain.yml στον κύριο κατάλογο και τα αρχεία nlu.yml και ιστορίες.yml στο ημερομηνία φάκελο.

Η nlu.yml Το αρχείο είναι όπου αποθηκεύονται όλα τα δεδομένα εκπαίδευσης. Τα δεδομένα εκπαίδευσης είναι δείγματα μηνυμάτων που μπορούν να στείλουν οι χρήστες σε εσάς chatbot. Σε αυτό το αρχείο, τα μηνύματα κατηγοριοποιούνται σύμφωνα με την πρόθεση. Παρακάτω μπορείτε να δείτε ένα απόσπασμα από το αρχείο. Οπως βλέπεις, intent: χαιρετώ έχει πολλά παραδείγματα, π.χ. «γεια», «γεια», «γεια» κ.λπ. Πρόθεση: αντίο έχει παραδείγματα "αντίο", "αντίο", "cu" κ.λπ.

nlu:
- intent: χαιρετώ
παραδείγματα: |
- γεια
- γεια
- γεια
- Γειά σου
- Καλημέρα
- Καλό απόγευμα
- Γεια σου
- πάμε
- Γεια σου φίλε
- Καλημέρα
- Καλό απόγευμα
- καλό απόγευμα
- Γεια σου- πρόθεση: αντίο
παραδείγματα: |
- καλό απόγευμα
- cu
- καλό από
- θα σε δω αργότερα
- καληνυχτα
- αντίο
- αντιο σας
- να εχεις μια ωραια μερα
- τα λέμε
- Αντίο
- τα λέμε αργότερα
- Adios

Η domain.yml Το αρχείο καθορίζει το πεδίο εφαρμογής του έργου σας. Περιέχει σημαντικές πληροφορίες σχετικά με το έργο σας, όπως προθέσεις, οντότητες, κουλοχέρηδες, ενέργειες και ειδικότερα το δείγμα rσπόσσοι ότι το bot πρέπει να στείλει πίσω στον χρήστη όταν λαμβάνει ένα μήνυμα. Παρόμοιο με nlu.yml, οι απαντήσεις bot ταξινομούνται σύμφωνα με την πρόθεση. Για παράδειγμα, το απάντηση: utter_greet αποστέλλεται όποτε το bot θέλει να στείλει ένα χαιρετισμό στον χρήστη. Αυτό φαίνεται στο τμήμα κώδικα παρακάτω.

προθέσεις:
- χαιρετώ:
use_entities: αλήθεια
- αντιο σας:
use_entities: αλήθεια
- επιβεβαιώνουμε:
use_entities: αλήθεια
- αρνηθείτε:
use_entities: αλήθεια
- mood_great:
use_entities: αλήθεια
- mood_dishappy:
use_entities: αλήθεια
- bot_challenge:
use_entities: αλήθειαοντότητες: []
κουλοχέρηδες: {}απαντήσεις:
ομιλία_ χαιρετισμός:
- κείμενο: Γεια! Πώς είσαι;
- κείμενο: Γεια! Πώς είσαι σήμερα?
utter_cheer_up:
- εικόνα: https://i.imgur.com/nGF1K8f.jpg
κείμενο: "Εδώ είναι κάτι που θα σας ενθαρρύνει:"
utter_did_that_help: βοήθεια
- κείμενο: Σας βοήθησε;
utter_happy:
- κείμενο: Τέλεια, συνεχίστε!
utter_goodbye:
- κείμενο: Αντίο
utter_iamabot:
- κείμενο: Είμαι ένα bot, που τροφοδοτείται από τη Rasa.Ενέργειες: []
φόρμες: {}
e2e_actions: []

Η ιστορίες.yml φιλέτο συγκεντρώνει τα μηνύματα του χρήστη και τις απαντήσεις bot. Δημιουργεί μια ιστορία ή μια πλοκή των διαφόρων αλληλεπιδράσεων που μπορούν να συμβούν μεταξύ του bot και του χρήστη. Καθορίζει ποια απάντηση πρέπει να δώσει το chatbot με βάση την πρόθεση του μηνύματος που αποστέλλει ο χρήστης. Αυτό βοηθά να διδάξετε το chatbot τι να κάνετε σε διαφορετικά σενάρια. Για παράδειγμα, κοιτάζοντας το τμήμα κώδικα παρακάτω, εάν το chatbot λαμβάνει ένα μήνυμα με πρόθεση 'χαιρετώ', πρέπει να εκτελέσει τη δράση που στέλνει την απάντηση »ευχαριστώεπιστροφή στον χρήστη.

ιστορίες:- ιστορία: ευτυχισμένος δρόμος
βήματα:
- intent: χαιρετώ
- δράση: utter_greet
- intent: mood_great
- δράση: utter_happy

Σε αυτό το σημείο το chatbot σας μπορεί να χειριστεί πολύ βασικές και γενικές συνομιλίες. Για να ταιριάζει στις προσωπικές ή επαγγελματικές σας ανάγκες, πρέπει να κάνετε κάποιες αλλαγές στο προεπιλεγμένο chatbot. Μπορείτε να το κάνετε τροποποιώντας το περιεχόμενο του nlu.yml, story.yml, domain.yml αρχεία που αναφέρονται παραπάνω χρησιμοποιώντας ένα πρόγραμμα επεξεργασίας κειμένου. Ωστόσο, ο καλύτερος τρόπος για να κάνετε αυτές τις αλλαγές είναι μέσω της πλατφόρμας Ράσα Χ.

Στο επόμενο μέρος αυτής της σειράς τριών μερών, θα μιλήσω για τον τρόπο τροποποίησης, εκπαίδευσης και δοκιμής του chatbot χρησιμοποιώντας το Rasa X. Μπορείτε να βρείτε την ανάρτηση εδώ!

Αν σας αρέσει αυτή η ανάρτηση, HIT Αγορά μου έναν καφέ! Ευχαριστώ για την ανάγνωση.

Η συνεισφορά σας θα με ενθαρρύνει να δημιουργήσω περισσότερο περιεχόμενο σαν αυτό.

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