Δημιουργία ζωντανού chatbot για τον ιστότοπό σας (Μέρος 2): Τροποποίηση, εκπαίδευση και δοκιμή του chatbot σας…

Γειά σου! Καλώς ήρθατε στο δεύτερο μέρος μιας σειράς 3 μερών που περιλαμβάνει τη δημιουργία και την ανάπτυξη ενός chatbot για την επιχείρηση ή τον προσωπικό σας ιστότοπο χρησιμοποιώντας Rasa, Docker και Heroku. Στο πρώτο μέρος, μίλησα για τη ρύθμιση του chatbot τοπικά στο σύστημά σας και την πραγματοποίηση αλλαγών σε αυτό χρησιμοποιώντας ένα πρόγραμμα επεξεργασίας κειμένου. Σε αυτό το δεύτερο μέρος, θα μιλήσω για το πώς να κάνετε αλλαγές στο chatbot σας χρησιμοποιώντας την πλατφόρμα Rasa X. Θα σας διδάξω πώς να προσθέτετε νέα δεδομένα, να εκπαιδεύετε το bot σας και να χρησιμοποιείτε το μοντέλο που δημιουργήθηκε πρόσφατα για να μιλήσετε με το chatbot σας, σε όλη τη διάρκεια Ράσα Χ.

Ράσα Χ είναι ένα εργαλείο ανάπτυξης με γνώμονα τη συνομιλία (CDD) που σας βοηθά να βελτιώσετε το chatbot σας. Το Rasa X παρέχει μια διεπαφή χρήστη για να αλληλεπιδράσετε με το bot σας. Με το Rasa X, μπορείτε να συνομιλήσετε με το τοπικό σας chatbot ως τελικός χρήστης, μπορείτε επίσης να εισαγάγετε νέα δεδομένα και να επανεκπαιδεύσετε το chatbot σας.

Για να εγκαταστήσετε το Rasa X, κάντε τα εξής:

1. Ανοίξτε την προτροπή Anaconda και cd στον κατάλογο του έργου Rasa (που δημιουργήθηκε στο πρώτο μέρος αυτής της σειράς).

2. Ενεργοποιήστε το εικονικό περιβάλλον που δημιουργήσατε στο τελευταίο μέρος αυτής της σειράς.

conda ενεργοποιήστε το rasavirtualenv

3. Εγκαταστήστε το Rasa X εκτελώντας την παρακάτω εντολή

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

Ίσως χρειαστεί να υποβαθμίσετε το pip εάν η εγκατάσταση διαρκεί πολύ

εγκατάσταση pip — αναβάθμιση pip==20.2

Μόλις εγκατασταθεί επιτυχώς το Rasa X, εκτελέστε την παρακάτω εντολή

rasa X

Αυτή η εντολή θα εμφανίσει μια διεπαφή χρήστη στο πρόγραμμα περιήγησής σας. Σε αυτή τη διεπαφή χρήστη θα δείτε πολλές καρτέλες. Σε αυτό το σεμινάριο θα εστιάσω στο Δεδομένα Nlu, Απαντήσεις, ιστορίες, Μοντέλα, μιλήστε με το bot σας καρτέλα και Τρένο κουμπί.

Καρτέλα Δεδομένων NLU

Εδώ εισάγετε δεδομένα εκπαίδευσης για τον χρήστη. Τα δεδομένα εκπαίδευσης εδώ είναι δείγματα μηνυμάτων που θα μπορούσε ενδεχομένως να στείλει ο χρήστης στο chatbot. Αυτό αντιστοιχεί στο nlu.yml αρχείο στο τοπικό σας σύστημα. Όταν εισάγετε ένα νέο μήνυμα, πρέπει επίσης να ταξινομήσετε το πρόθεση, αυτό βοηθά το chatbot να προβλέψει ποιο είναι το νόημα πίσω από το μήνυμα ενός χρήστη όταν λαμβάνει ένα παρόμοιο μήνυμα στο μέλλον.

Στην παραπάνω εικόνα μπορείτε να δείτε ότι έβαλα νέο μήνυμα 'Hola' και ταξινόμησα την πρόθεση ως "χαιρετώ'. Αφού εισαγάγω αυτές τις πληροφορίες, θα τις αποθηκεύσω. Μπορείτε να εισάγετε όσα παραδείγματα θέλετε, όσο περισσότερα τόσο το καλύτερο. Μπορείτε επίσης να δημιουργήσετε νέες προθέσεις.

Καρτέλα Απαντήσεις

Εδώ εισάγετε δείγματα απαντήσεων για το chatbot, δηλαδή τα μηνύματα που θα πρέπει να στείλει το chatbot στον χρήστη όταν λαμβάνει οποιοδήποτε μήνυμα. Παρόμοια με το Δεδομένα NLU καρτέλα, κάθε απάντηση κατηγοριοποιείται ανάλογα με την πρόθεση. για παράδειγμα, 'ευχαριστώ' περιλαμβάνει τις απαντήσεις που πρέπει να δώσει το chatbot στον χρήστη όταν λαμβάνει ένα μήνυμα με πρόθεση 'χαιρετώ'. Μπορείτε να εισαγάγετε νέες απαντήσεις επιλέγοντας μια κατηγορία απόκρισης και κάνοντας κλικ στο κουμπί συν. Όταν εισάγετε μια νέα παραλλαγή απόκρισης, απλά πατάτε 'Σώσει'. Μπορείτε επίσης να δημιουργήσετε νέες κατηγορίες απαντήσεων.

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

Καρτέλα Ιστορίες

Αυτό αντιστοιχεί στο ιστορίες.yml αρχείο στον τοπικό σας κατάλογο αρχείων. Εδώ συγκεντρώνετε τα δεδομένα από τις δύο προηγούμενες καρτέλες. Εδώ ουσιαστικά δημιουργείτε μια ιστορία ή μια πλοκή, όπου ανάλογα με την πρόθεση του μηνύματος που στέλνει ο χρήστης, το chatbot πρέπει να δώσει την κατάλληλη απάντηση. Αυτό βοηθά να διδάξει το chatbot τι να κάνει σε διαφορετικά σενάρια. Για παράδειγμα, εάν το chatbot λάβει ένα μήνυμα με πρόθεση 'χαιρετώ' πρέπει να απαντήσει στέλνοντας ένα χαιρετισμό στον χρήστη μέσω της ενέργειας 'ευχαριστώ».

Πρέπει να δημιουργήσετε όσο το δυνατόν περισσότερες ιστορίες. Θα πρέπει να έχετε ένα χαρούμενο μονοπάτι/ιστορία, π.χ. όπου τα πράγματα πάνε όπως τα έχετε σχεδιάσει. Πρέπει επίσης να έχετε μια θλιβερή διαδρομή/ιστορία που χειρίζεται τις εξαιρέσεις. Μπορείτε να δημιουργήσετε μια νέα ιστορία κάνοντας κλικ στο κουμπί συν.

Κουμπί τρένου

Όταν ολοκληρώσετε την εισαγωγή όλων των νέων δεδομένων σας στο Δεδομένα NLU, Απαντήσεις και ιστορίες καρτέλα, πρέπει να πατήσετε το Τρένο κουμπί, αυτό το κουμπί θα επανεκπαιδεύσει το chatbot σας και θα αποθηκεύσει το μοντέλο που δημιουργήθηκε πρόσφατα στο Μοντέλα αυτί. Το υπέροχο με το Rasa X είναι ότι όταν εκπαιδεύετε το chatbot σας, όλα τα νέα δεδομένα που εισαγάγατε επίσης εισάγονται και αποθηκεύονται τοπικά στα αντίστοιχα αρχεία του τοπικού σας συστήματος.

Καρτέλα Μοντέλα

Εδώ μπορείτε να βρείτε όλα τα μοντέλα που δημιουργήσατε. Το πιο σύγχρονο μοντέλο είναι πάντα αυτό που βρίσκεται στην κορυφή. Μπορείτε να ενεργοποιήσετε αυτό το μοντέλο κάνοντας κλικ στο επάνω βέλος.

Συνομιλήστε με την καρτέλα bot σας

Μόλις ενεργοποιήσετε το νέο μοντέλο, μπορείτε να το δοκιμάσετε στο Συνομιλήστε με το bot σας αυτί. Όπως μπορείτε να δείτε στην παρακάτω εικόνα, η απάντηση που έδωσε το bot είναι η νέα απάντηση που έβαλα νωρίτερα.

Ορίστε το! Αυτός είναι ο τρόπος εισαγωγής νέων δεδομένων, εκπαίδευσης και δοκιμής του chatbot σας χρησιμοποιώντας το Rasa X. Στο επόμενο μέρος αυτής της σειράς θα μιλήσω για το πώς να αναπτύξετε το chatbot σας σε έναν ζωντανό διακομιστή Heroku χρησιμοποιώντας το Docker, καθώς και πώς να επικοινωνήσετε με αυτό το ρομπότ μέσω ενός γραφικού στοιχείου συνομιλίας στον ιστότοπό σας. Μείνετε συντονισμένοι!!

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

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

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