Créer un chatbot en direct pour votre site Web (partie 2): Modifier, former et tester votre chatbot…

Bonjour! Bienvenue dans la deuxième partie d'une série en 3 parties impliquant la création et le déploiement d'un chatbot pour votre site Web professionnel ou personnel à l'aide de Rasa, Docker et Heroku. Dans le la première partie, j'ai parlé de configurer le chatbot localement sur votre système et d'y apporter des modifications à l'aide d'un éditeur de texte. Dans cette deuxième partie, je parlerai de la façon d'apporter des modifications à votre chatbot à l'aide de la plateforme Rasa X. Je vais vous apprendre à ajouter de nouvelles données, à former votre bot et à utiliser le modèle nouvellement généré pour parler à votre chatbot, tout au long de Rasa X.

Rasa X est un outil de développement axé sur la conversation (CDD) qui vous aide à améliorer votre chatbot. Rasa X fournit une interface utilisateur vous permettant d'interagir avec votre bot. Avec Rasa X, vous pouvez discuter avec votre chatbot local en tant qu'utilisateur final, vous pouvez également saisir de nouvelles données et recycler votre chatbot.

Pour installer Rasa X, procédez comme suit :

1. Ouvrez l'invite Anaconda et cd dans votre répertoire de projet Rasa (créé dans la première partie de cette série).

2. Activez l'environnement virtuel que vous avez créé dans la dernière partie de cette série.

conda activer rasavirtualenv

3. Installez Rasa X en exécutant la commande ci-dessous

pip installer rasa-x - extra-index-url https://pypi.rasa.com/simple

Vous devrez peut-être rétrograder pip si l'installation prend trop de temps

installation pip - mise à niveau pip==20.2

Une fois que Rasa X a été installé avec succès, exécutez la commande ci-dessous

Rasa X

Cette commande fera apparaître une interface utilisateur dans votre navigateur. Dans cette interface utilisateur, vous allez voir plusieurs onglets. Dans ce tutoriel, je vais me concentrer sur le Données NLU, Commentaires, Stories, Modèles, parlez à votre bot onglet, et Train .

Onglet Données NLU

C'est ici que vous saisissez les données d'entraînement de l'utilisateur. Les données de formation ici sont des exemples de messages que l'utilisateur pourrait potentiellement envoyer au chatbot. Cela correspond à la nlu.yml fichier sur votre système local. Lorsque vous entrez un nouveau message, vous devez également classer le intention, cela aide le chatbot à prédire la signification du message d'un utilisateur lorsqu'il recevra un message similaire à l'avenir.

Dans l'image ci-dessus, vous pouvez voir que j'ai entré un nouveau message 'Bonjour' et j'ai classé l'intention comme 'saluer'. Après avoir saisi ces informations, je les enregistrerai. Vous pouvez entrer autant d'exemples que vous le souhaitez, plus il y en a, mieux c'est. Vous pouvez également créer de nouvelles intentions.

Onglet Réponses

C'est ici que vous entrez des exemples de réponses pour le chatbot, c'est-à-dire les messages que le chatbot doit renvoyer à l'utilisateur lorsqu'il reçoit un message. Semblable à la Données NLU onglet, chaque réponse est classée en fonction de l'intention ; par exemple, 'salutation_totale' englobe les réponses que le chatbot doit donner à l'utilisateur lorsqu'il reçoit un message intentionnel 'saluer'. Vous pouvez entrer de nouvelles réponses en sélectionnant une catégorie de réponse et en cliquant sur le bouton plus. Lorsque vous saisissez une nouvelle variante de réponse, il vous suffit d'appuyer sur 'Sauvegarder'. Vous pouvez également créer de nouvelles catégories de réponses.

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

Onglet Histoires

Cela correspond à la histoires.yml fichier dans votre répertoire de fichiers local. C'est ici que vous rassemblez les données des deux onglets précédents. Ici, vous créez essentiellement un scénario ou une intrigue, où, selon l'intention du message envoyé par l'utilisateur, le chatbot doit donner une réponse appropriée. Cela aide à apprendre au chatbot quoi faire dans différents scénarios. Par exemple, si le chatbot reçoit un message avec l'intention 'saluer' il doit répondre en renvoyant un message d'accueil à l'utilisateur via l'action 'salutation_totale".

Vous devez créer autant d'histoires que possible. Vous devriez avoir un chemin/scénario heureux, c'est-à-dire où les choses se déroulent comme prévu. Vous devez également avoir un chemin/scénario triste qui gère les exceptions. Vous pouvez créer une nouvelle histoire en cliquant sur le bouton plus.

Bouton Train

Lorsque vous avez terminé d'entrer toutes vos nouvelles données dans le Données NLU, Commentaires ainsi que Stories onglet, vous devez appuyer sur l'onglet Train , ce bouton recyclera votre chatbot et enregistrera le modèle nouvellement généré dans le Des modèles photo languette. La grande chose à propos de Rasa X est que lorsque vous formez votre chatbot, toutes les nouvelles données que vous avez saisies sont également saisies et stockées localement dans les fichiers correspondants sur votre système local.

Onglet Modèles

C'est là que vous pouvez trouver tous vos modèles générés. Le modèle le plus courant est toujours celui du haut. Vous pouvez activer ce modèle en cliquant sur la flèche vers le haut.

Discutez avec votre bot Tab

Une fois que vous avez activé le nouveau modèle, vous pouvez le tester dans le Discutez avec votre bot languette. Comme vous pouvez le voir dans l'image ci-dessous, la réponse donnée par le bot est la nouvelle réponse que j'ai saisie plus tôt.

Voilà! Voici comment saisir de nouvelles données, former et tester votre chatbot à l'aide de Rasa X. Dans la prochaine partie de cette série, je parlerai de la façon de déployer votre chatbot sur un serveur en direct Heroku à l'aide de Docker, et aussi comment communiquer avec ce bot via un widget de chat sur votre site Web. Restez à l'écoute!!

Si vous aimez cet article, HIT Achète-moi un café! Merci d'avoir lu.

Votre petite contribution m'encouragera à créer plus de contenu comme celui-ci.

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