ایجاد یک چت بات برای وب سایت شما (قسمت 1): راه اندازی چت بات Rasa به صورت محلی در سیستم شما

سلام! این اولین قسمت از یک مجموعه 3 قسمتی است که شامل ایجاد و استقرار a است chatbot برای کسب و کار یا وب سایت شخصی شما با استفاده از Docker و Heroku. پلتفرم هوش مصنوعی مکالمه ای که من از آن استفاده خواهم کرد این است رسا. Rasa یک چارچوب یادگیری ماشین منبع باز است که به شما در ایجاد ربات‌های گفتگو کمک می‌کند. همچنین به دلایل مختلفی از جمله منبع باز بودن، استفاده گسترده و مستند بودن آن، پلتفرم چت بات مورد علاقه من است.

در این پست، من در مورد نحوه راه اندازی Rasa به صورت محلی در رایانه صحبت خواهم کرد. اگرچه سیستم عامل من ویندوز است، کل این فرآیند را می توان برای هر سیستمی تکرار کرد.

پيش نياز:

1. Anaconda Prompt را از اینجا کلیک نمایید.
2. ابزارهای ساخت مایکروسافت را دانلود کنید اینجا کلیک نمایید.
3. یک دایرکتوری در سیستم خود ایجاد کنید که می خواهید پروژه Rasa خود را در آن ذخیره کنید.

پس از انجام تمام این موارد، در را باز کنید آناکوندا سریع کاربرد و 'سی دی در دایرکتوری که ایجاد کردید، مال من "پروژه رسا" نام دارد.

سپس دستورات زیر را در Anaconda Prompt اجرا کنید:

1. با استفاده از دستور زیر یک محیط مجازی ایجاد کنید.

conda create -n rasavirtualenv python=3.6

2. محیط خود را با استفاده از دستور فعال کنید

conda activate rasavirtualenv

3. Ujson را نصب کنید

conda install ujson==1.35

4. Tensorflow را نصب کنید

conda نصب تنسورفلو

5. Rasa Open Source را نصب کنید.

pip install rasa

6. یک پروژه rasa جدید در فهرست پروژه خود ایجاد کنید

rasa init

1. گزارش روندهای چت بات در سال 2021

2. 4 باید و 3 نباید برای آموزش یک مدل NLP چت بات

3. ربات دربان: چند ربات چت را از یک صفحه چت مدیریت کنید

4. یک سیستم خبره: هوش مصنوعی مکالمه در مقابل چت ربات

با نگاهی به آخرین قسمت صفحه بالا، وقتی از شما خواسته می شود مسیری را که می خواهید پروژه ایجاد کنید وارد کنید، علامت نقطه (.) را وارد کنید، این نشان می دهد که می خواهید پروژه را در فهرست فعلی ایجاد کنید. وقتی از شما پرسیده می شود که آیا می خواهید مدل آموزش دهید، می توانید "y" یا "n" را انتخاب کنید.

پس از پایان اجرای دستور بالا و ایجاد پروژه جدید، از شما پرسیده می شود که آیا می خواهید با chatbot در ترمینال اگر پاسخ شما مثبت است، گفتگو بین شما و چت ربات تازه ایجاد شده آغاز می شود.

اکنون که پروژه ساخته شده است، اگر دایرکتوری پروژه خود را بررسی کنید، می بینید که چندین فایل به آن اضافه شده است. من به سرعت در مورد 3 فایلی که احساس می کنم باید محتوای آنها را درک کنید بحث خواهم کرد. پرونده domain.yml در دایرکتوری اصلی و فایل ها nlu.yml و story.yml در داده ها پوشه.

La nlu.yml فایل جایی است که تمام داده های آموزشی در آن ذخیره می شود. داده های آموزشی نمونه پیام هایی هستند که کاربران می توانند برای شما ارسال کنند chatbot. در این فایل پیام ها بر اساس قصد دسته بندی شده اند. گزیده ای از فایل در زیر قابل مشاهده است. همانطور که می بینید، قصد: سلام کردن چندین مثال دارد به عنوان مثال "سلام"، "سلام"، "سلام" و غیره. قصد: خداحافظ دارای مثال های "بای"، "خداحافظ"، "cu" و غیره است.

nlu:
- قصد: سلام کردن
مثال: |
- هی
- سلام
- سلام
- سلام
- صبح بخیر
- عصر بخیر
- هی اونجا
- بیا بریم
- هی رفیق
- صبح بخیر
- عصر بخیر
- عصر بخیر
- سلام- قصد: خداحافظ
مثال: |
- عصر بخیر
- مس
- خداحافظ
-بعدا میام
- شب بخیر
- خدا حافظ
- خداحافظ
- روز خوبی داشته باشید
- می بینمت
- خداحافظ
- بعدا میبینمت
- آدیوس

La domain.yml فایل محدوده پروژه شما را مشخص می کند. این شامل اطلاعات برجسته در مورد پروژه شما، مانند مقاصد، موجودیت ها، اسلات ها، اقدامات، و به ویژه نمونه r است.پاسخ می دهد که ربات باید هنگام دریافت پیام به کاربر ارسال کند. شبیه به nlu.yml، پاسخ های ربات بر اساس قصد دسته بندی می شوند. به عنوان مثال پاسخ: utter_greet هر زمان که ربات بخواهد به کاربر تبریک بفرستد ارسال می شود. این در بخش کد زیر نشان داده شده است.

مقاصد:
- سلام کردن:
use_entities: درست است
- خداحافظ:
use_entities: درست است
- تایید:
use_entities: درست است
- انکار:
use_entities: درست است
- حالت_عالی:
use_entities: درست است
- حالت_ناشاد:
use_entities: درست است
- bot_challenge:
use_entities: درست استموجودیت ها: []
اسلات: {}پاسخ:
utter_greet:
— text: هی! چطور هستید؟
— text: سلام! امروز چطوری؟
utter_cheer_up:
— تصویر: https://i.imgur.com/nGF1K8f.jpg
text: 'در اینجا چیزی برای شاد کردن شما وجود دارد:'
utter_did_that_help:
— text: به شما کمک کرد؟
utter_happy:
— text: عالی، ادامه بده!
utter_goodbye:
— متن: خداحافظ
utter_iamabot:
— text: من یک ربات هستم که توسط رسا طراحی شده است.اقدامات: []
تشکیل می دهد: {}
e2e_actions: []

La story.yml پرونده پیام‌های کاربر و پاسخ‌های ربات را با هم جمع می‌کند. این یک خط داستانی یا طرحی از چندین تعاملی که می تواند بین ربات و کاربر رخ دهد ایجاد می کند. مشخص می کند که چت بات بر اساس هدف پیام ارسال شده توسط کاربر چه پاسخی باید بدهد. این به چت بات آموزش می دهد که در سناریوهای مختلف چه کاری انجام دهد. به عنوان مثال، اگر چت بات پیامی با قصد دریافت کرد، به بخش کد زیر نگاه کنید "سلام"، باید عملی را انجام دهد که پاسخ را ارسال می کند.utter_greetبازگشت به کاربر.

داستان ها:- داستان: مسیر مبارک
مراحل:
- قصد: سلام کردن
— اقدام: utter_greet
- قصد: حالت_عالی
— اقدام: utter_happy

در این مرحله ربات چت شما فقط قادر به انجام مکالمه بسیار ابتدایی و عمومی است. برای تطابق با نیازهای شخصی یا کاری خود، باید تغییراتی را در چت بات پیش فرض ایجاد کنید. شما می توانید این کار را با تغییر محتوای آن انجام دهید nlu.yml, story.yml، domain.yml فایل های ذکر شده در بالا با استفاده از یک ویرایشگر متن. با این حال، بهترین راه برای ایجاد این تغییرات از طریق پلتفرم است رسا ایکس.

در قسمت بعدی این مجموعه سه قسمتی، در مورد نحوه تغییر، آموزش و تست ربات چت خود با استفاده از Rasa X صحبت خواهم کرد. می توانید پست را پیدا کنید. اینجا کلیک نمایید!

اگر این پست را دوست دارید، ضربه بزنید برای من یک قهوه بخر! با تشکر برای خواندن.

مشارکت شما من را تشویق می کند تا محتوای بیشتری مانند این ایجاد کنم.

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