Creación de un chatbot en vivo para su sitio web (Parte 2): Modificar, capacitar y probar su chatbot ...

¡Hola! Bienvenido a la segunda parte de una serie de 3 partes que implica la creación e implementación de un chatbot para su negocio o sitio web personal utilizando Rasa, Docker y Heroku. En el primera parte, Hablé sobre configurar el chatbot localmente en su sistema y realizar cambios en él usando un editor de texto. En esta segunda parte, hablaré sobre cómo realizar cambios en tu chatbot usando la plataforma Rasa X. Te enseñaré cómo agregar nuevos datos, entrenar tu bot y usar el modelo recién generado para hablar con tu chatbot, todo el tiempo. Rasa X.

Rasa x es una herramienta de desarrollo basado en conversaciones (CDD) que le ayuda a mejorar su chatbot. Rasa X proporciona una interfaz de usuario para que pueda interactuar con su bot. Con Rasa X, puede chatear con su chatbot local como usuario final, también puede ingresar nuevos datos y volver a capacitar a su chatbot.

Para instalar Rasa X, haga lo siguiente:

1. Abra el indicador Anaconda y cd en el directorio de su proyecto Rasa (creado en la primera parte de esta serie).

2. Active el entorno virtual que creó en la última parte de esta serie.

conda activar rasavirtualenv

3. Instale Rasa X ejecutando el siguiente comando

pip install rasa-x - URL de índice extra https://pypi.rasa.com/simple

Es posible que tenga que degradar pip si la instalación está tardando demasiado

instalar pip - actualizar pip == 20.2

Una vez que Rasa X se haya instalado correctamente, ejecute el siguiente comando

rasa X

Este comando abrirá una interfaz de usuario en su navegador. En esta interfaz de usuario, verá varias pestañas. En este tutorial me enfocaré en el Nlu datos, Respuestas, Historias, Modelos, habla con tu bot pestaña, y Entrenar del botón.

Pestaña de datos de NLU

Aquí ingresa los datos de entrenamiento para el usuario. Los datos de entrenamiento aquí son mensajes de muestra que el usuario podría enviar al chatbot. Esto corresponde a la nlu.yml archivo en su sistema local. Cuando ingresa un mensaje nuevo también debe clasificar el intención, esto ayuda al chatbot a predecir cuál es el significado detrás del mensaje de un usuario cuando recibe un mensaje similar en el futuro.

En la imagen de arriba puedes ver que ingresé un mensaje nuevo 'Hola' y clasifiqué la intención como 'saludar'. Después de ingresar esta información, la guardaré. Puede ingresar tantos ejemplos como desee, cuantos más, mejor. También puede crear nuevas intenciones.

Pestaña de respuestas

Aquí es donde ingresa las respuestas de muestra para el chatbot, es decir, los mensajes que el chatbot debe enviar al usuario cuando recibe cualquier mensaje. Similar a Datos de NLU pestaña, cada respuesta se clasifica según la intención; por ejemplo, 'pronunciar_saludo'abarca las respuestas que el chatbot debe dar al usuario cuando recibe un mensaje con la intención 'saludar'. Puede ingresar nuevas respuestas seleccionando una categoría de respuesta y haciendo clic en el botón más. Cuando ingresa una nueva variante de respuesta, simplemente presione 'Salvar'. También puede crear nuevas categorías de respuesta.

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

Pestaña Historias

Esto corresponde a la historias.yml archivo en su directorio de archivos local. Aquí es donde reúne los datos de las dos pestañas anteriores. Aquí básicamente estás creando una historia o una trama, donde, dependiendo de la intención del mensaje enviado por el usuario, el chatbot tiene que dar una respuesta adecuada. Esto ayuda a enseñarle al chatbot qué hacer en diferentes escenarios. Por ejemplo, si el chatbot recibe un mensaje con la intención 'saludar' tiene que responder enviando un saludo al usuario a través de la acción 'pronunciar_saludo".

Necesita crear tantas historias como sea posible. Debe tener un camino / historia feliz, es decir, dónde van las cosas según lo planeado. También debe tener un camino / historia triste que maneje las excepciones. Puede crear una nueva historia haciendo clic en el botón más.

Botón de tren

Cuando haya terminado de ingresar todos sus datos nuevos en el Datos de NLU, Respuestas y Historias pestaña, debe presionar la Entrenar , este botón volverá a entrenar a su chatbot y guardará el modelo recién generado en el fexibles pestaña. Lo mejor de Rasa X es que cuando entrena a su chatbot, todos los datos nuevos que ingresó también se ingresan y almacenan localmente en los archivos correspondientes en su sistema local.

Pestaña modelos

Aquí es donde puede encontrar todos sus modelos generados. El modelo más actual es siempre el que está arriba. Puede activar este modelo haciendo clic en la flecha hacia arriba.

Chatea con tu bot Tab

Una vez que haya activado el nuevo modelo, puede probarlo en el Chatea con tu bot pestaña. Como puede ver en la imagen a continuación, la respuesta que dio el bot es la nueva respuesta que ingresé anteriormente.

¡Ahí tienes! Así es como ingresar nuevos datos, entrenar y probar su chatbot usando Rasa X. En la siguiente parte de esta serie, hablaré sobre cómo implementar su chatbot en un servidor en vivo Heroku usando Docker, y también cómo comunicarse con este bot. a través de un widget de chat en su sitio web. ¡¡Manténganse al tanto!!

Si te gusta este post, HIT ¡Cómprame un café! Gracias por leer.

Tu pequeña contribución me animará a crear más contenido como este.

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