Veebisaidi jaoks vestlusroti loomine (1. osa): Rasa vestlusroti seadistamine teie süsteemis lokaalselt

Tere! See on esimene osa 3-osalisest seeriast, mis hõlmab a. loomist ja juurutamist chatbot teie ettevõtte või isikliku veebisaidi jaoks Dockeri ja Heroku abil. Vestluspõhise AI platvorm, mida ma kasutaksin, on Maitse. Rasa on avatud lähtekoodiga masinõpperaamistik, mis aitab teil luua vestlusroboteid; see on ka minu lemmik chatboti platvorm mitmel põhjusel, näiteks avatud lähtekoodiga, laialdaselt kasutatav ja hästi dokumenteeritud.

Selles postituses räägin sellest, kuidas Rasa arvutis lokaalselt seadistada. Kuigi minu OS on Windows, saab kogu seda protsessi replitseerida mis tahes süsteemi jaoks.

Eeltingimus:

1. Laadige Anaconda viip alla saidilt siin.
2. Laadige alla Microsofti ehitustööriistad siin.
3. Looge oma süsteemis kataloog, kuhu soovite oma Rasa projekti salvestada.

Kui kõik see on tehtud, avage Anakonda kiire rakendus ja 'cd' Teie loodud kataloogis on minu oma nimeks "Rasa Project".

Seejärel käivitage Anaconda Prompt'is järgmised käsud:

1. Looge virtuaalne keskkond alloleva käsu abil.

conda create -n rasavirtualenv python=3.6

2. Aktiveerige oma keskkond käsuga

conda aktiveerib rasavirtualenv

3. Installige Ujson

conda install ujson==1.35

4. Installige Tensorflow

conda install tensorflow

5. Installige Rasa Open Source.

pip install rasa

6. Loo oma projektikataloogis uus rasa projekt

rasa init

1. Chatbot Trends Report 2021

2. 4, mida saab ja kolm MITTE, Chatbot NLP mudeli koolitamiseks

3. Concierge Bot: hallake mitut vestlusrobotit ühel vestlusekraanil

4. Ekspertsüsteem: vestluse tehisintellekt vs vestlusrobotid

Vaadates ülaloleva ekraani viimast osa, kui teil palutakse sisestada projekti loomise tee, sisestage perioodimärk (.), see tähendab, et soovite luua projekti praeguses kataloogis. Kui teilt küsitakse, kas soovite modelli koolitada, võite valida kas „y” või „n”.

Kui ülaltoodud käsk on täitmise lõpetanud ja uus projekt on loodud, küsitakse teilt, kas soovite rääkida chatbot terminalis. Kui vastate jaatavalt, algab dialoog teie ja vastloodud vestlusroboti vahel.

Nüüd, kui projekt on loodud, näete oma projektikataloogi kontrollides, et sinna on lisatud mitu faili. Arutan kiiresti 3 faili, mille sisust aru saamiseks peate minu arvates aru saama; faili domeen.yml põhikataloogis ja failid nlu.yml ja lood.yml aasta andmed kausta.

. nlu.yml fail on koht, kuhu salvestatakse kõik treeninguandmed. Treeningandmed on näidissõnumid, mida kasutajad saavad teile saata chatbot. Selles failis on sõnumid kategoriseeritud vastavalt kavatsusele. Väljavõtet failist on näha allpool. Nagu sa näed, kavatsus: tervitada sellel on mitu näidet, nt 'tere', 'tere', 'hei' jne. Kavatsus: hüvasti sisaldab näiteid 'hyvasti', 'hüvasti', 'cu' jne.

nlu:
- kavatsus: tervitada
näited: |
— hei
- Tere
- Tere
— tere
- Tere hommikust
- Tere õhtust
— tere
- lähme
- Hei kutt
- Tere hommikust
- Tere õhtust
- Tere päevast
- Tere- kavatsus: hüvasti
näited: |
- Tere päevast
- cu
— head aega
- näeme hiljem
- head ööd
— hüvasti
— hüvasti
- head päeva
- näeme
- headaega
- Näeme hiljem
— Adios

. domeen.yml fail määrab teie projekti ulatuse. See sisaldab olulist teavet teie projekti kohta, nagu kavatsused, olemid, teenindusajad, toimingud ja eriti näidis rvastuseid mille robot peaks sõnumi saamisel kasutajale tagasi saatma. Sarnane nlu.yml, kategoriseeritakse roboti vastused kavatsuse järgi. Näiteks vastus: täielik_tervitus saadetakse alati, kui robot soovib kasutajale tervitust saata. See on näidatud allolevas koodisegmendis.

kavatsused:
- tervitada:
use_entities: tõsi
- hüvasti:
use_entities: tõsi
- kinnitada:
use_entities: tõsi
- keelata:
use_entities: tõsi
- tuju_suurepärane:
use_entities: tõsi
- meeleolu_unhappy:
use_entities: tõsi
- bot_challenge:
use_entities: tõsiüksused: []
teenindusajad: {}vastused:
utter_greet:
— tekst: Hei! Kuidas sul läheb?
— tekst: Tere! Kuidas sul täna läheb?
utter_cheer_up:
— pilt: https://i.imgur.com/nGF1K8f.jpg
tekst: 'Siin on midagi, mis teeb sulle tuju heaks:'
utter_did_that_help:
— tekst: Kas see aitas teid?
utter_happy:
— tekst: Suurepärane, jätka!
utter_goodbye:
— tekst: Hüvasti
utter_iamabot:
— tekst: Olen bot, töötab Rasa poolt.toimingud: []
vormid: {}
e2e_actions: []

. lood.yml fail toob kokku kasutaja sõnumid ja roboti vastused. See loob süžee või süžee mitmetest interaktsioonidest, mis võivad roboti ja kasutaja vahel tekkida. See määrab, millise vastuse peaks vestlusbot andma, lähtudes kasutaja saadetud sõnumi kavatsusest. See aitab vestlusrobotil õpetada, mida erinevate stsenaariumide korral teha. Näiteks allpool olevat koodisegmenti vaadates, kui vestlusbot saab kavatsusega sõnumi 'tervita', ta peab sooritama toimingu, mis saadab vastuse "lausuma_tervita' tagasi kasutajale.

lood:- lugu: õnnelik tee
sammud:
— kavatsus: tervitada
— tegevus: täielik_tervitus
— kavatsus: tuju_ suurepärane
— tegevus: täielik_õnnelik

Praegu saab teie vestlusbot käsitleda ainult väga lihtsat ja üldist vestlust. Oma isiklike või äriliste vajaduste rahuldamiseks peate vaikevestlusbotis mõned muudatused tegema. Seda saate teha, muutes selle sisu nlu.yml, lugu.yml, domeen.yml ülalmainitud failid, kasutades tekstiredaktorit. Parim viis nende muudatuste tegemiseks on aga platvormi kaudu Rasa X.

Selle kolmeosalise seeria järgmises osas räägin sellest, kuidas muuta, treenida ja testida oma vestlusrobotit Rasa X abil. Postituse leiate siin!

Kui teile see postitus meeldib, siis HIT Osta mulle kohvi! Täname lugemise eest.

Teie panus julgustab mind rohkem sellist sisu looma.

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