Cómo construir tu propio chatbot

Empezamos creando un archivo que usaremos para descargar el modelo. Para ayudarnos, usamos Abrazando, una biblioteca de Python que proporciona varios modelos de PNL de alta calidad.

Luego creamos una clase de Python que usaremos para manejar la lógica de convertir nuestro texto en inglés para crear nuestros tokens de palabras que usaremos como entradas para nuestro modelo.

Luego construimos un Frasco API con dos puntos finales, uno para comprobar si el servicio está funcionando y otro para integrarse con nuestro chatbot.

Finalmente generamos un Dockerfile que al ser construido pre-descargará el modelo de chat para que cuando enviemos una solicitud a nuestra API pueda dar respuestas rápidas, en lugar de recargar el modelo cada vez. Esto mejorará drásticamente el rendimiento de nuestro bot. Para alojar la API usamos gunicorn como nuestro servidor wsgi sin un marco de servidor web adicional.

Los pasos desde ejecutar su modelo en su máquina local hasta que se ejecute en producción pueden parecer abrumadores. Sin embargo, varios servicios han facilitado mucho este paso en los últimos años.

Vamos a trabajar con ejecución de la nube de Google para este proyecto. Plataforma "sin servidor" de Google, no me gusta la palabra sin servidor ya que, por supuesto, tiene que haber un servidor que ejecute el código, pero no tiene servidor en el sentido de que no guarda ningún dato del cliente de una sesión a otra sesión y eso obtenemos cualquier servidor que esté disponible en un momento dado.

1. Informe de tendencias de chatbot 2021

2. 4 HACER y 3 NO HACER para entrenar un modelo de PNL Chatbot

3. Bot Concierge: Maneja múltiples chatbots desde una pantalla de chat

4. Un sistema experto: IA conversacional Vs Chatbots

Source: https://chatbotslife.com/how-to-build-your-own-chatbot-f5848ebcba8d?source=rss—-a49517e4c30b—4