Comment créer votre propre chatbot

Nous commençons par créer un fichier que nous utiliserons pour télécharger le modèle. Pour nous aider, nous utilisons Visage étreignant, une bibliothèque Python qui fournit divers modèles NLP de haute qualité.

Ensuite, nous créons une classe Python que nous utiliserons pour gérer la logique de la conversion de notre texte anglais afin de créer nos jetons de mots que nous utiliserons comme entrées pour notre modèle.

Nous construisons ensuite un Flacon API avec deux points de terminaison, un pour vérifier si le service fonctionne et un pour l'intégration avec notre chatbot.

Enfin, nous générons un Dockerfile qui, une fois construit, prétéléchargera le modèle de discussion afin que lorsque nous envoyons une demande à notre API, elle puisse apporter des réponses rapides, au lieu de recharger le modèle à chaque fois. Cela améliorera considérablement les performances de notre bot. Pour héberger l'API, nous utilisons gunicorn comme serveur wsgi sans framework de serveur Web supplémentaire.

Les étapes allant de l'exécution de votre modèle sur votre ordinateur local à son exécution en production peuvent sembler intimidantes. Cependant, plusieurs services ont rendu cette étape beaucoup plus facile ces dernières années.

Nous allons travailler avec exécution de Google Cloud pour ce projet. Plateforme « sans serveur » de Google, je n'aime pas le mot sans serveur car bien sûr il doit y avoir un serveur qui exécute le code, mais il est sans serveur dans le sens où il ne sauvegarde aucune donnée client d'une session à une autre et que nous obtenons n'importe quel serveur disponible à un moment donné.

1. Rapport sur les tendances du chatbot 2021

2. 4 choses à faire et 3 à ne pas faire pour former un modèle PNL Chatbot

3. Concierge Bot: gérez plusieurs chatbots à partir d'un seul écran de discussion

4. Un système expert: l'IA conversationnelle contre les chatbots

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