Chatbot létrehozása webhelyéhez (1. rész): A Rasa chatbot helyi beállítása a rendszeren

Helló! Ez egy 3 részes sorozat első része, amely magában foglalja a létrehozását és telepítését chatbot üzleti vagy személyes webhelyéhez a Docker és a Heroku használatával. A társalgási AI platform, amelyet használnék Íz. A Rasa egy nyílt forráskódú gépi tanulási keretrendszer, amely segít chatbotok létrehozásában; több okból is ez a kedvenc chatbot-platformom, például nyílt forráskódú, széles körben használt és jól dokumentált.

Ebben a bejegyzésben arról fogok beszélni, hogyan állíthatja be helyileg a Rasát a számítógépén. Bár az operációs rendszerem Windows, ez a teljes folyamat bármely rendszerre replikálható.

Előfeltétel:

1. Az Anaconda Prompt letöltése innen itt.
2. Töltse le a Microsoft build eszközöket itt.
3. Hozzon létre egy könyvtárat a rendszeren, ahol tárolni szeretné Rasa projektjét.

Ha mindez megtörtént, nyissa meg a Anakonda Gyors alkalmazás ésCD' az általad létrehozott könyvtárba az enyém a „Rasa Project” nevet kapta.

Ezután futtassa a következő parancsokat az Anaconda Promptban:

1. Hozzon létre egy virtuális környezetet az alábbi paranccsal.

conda create -n rasavirtualenv python=3.6

2. Aktiválja a környezetét a paranccsal

conda aktiválja a rasavirtualenv

3. Telepítse az Ujson-t

conda install ujson==1.35

4. Telepítse a Tensorflow-t

conda install tensorflow

5. Telepítse a Rasa nyílt forráskódot.

pip install rasa

6. Hozzon létre egy új rasa projektet a projektkönyvtárában

rasa init

1. Chatbot Trends Report 2021

2. 4 NAGYON ÉS 3 NEGYED a Chatbot NLP-modell betanításához

3. Concierge Bot: Több chatbotot kezelhet egyetlen csevegőképernyőről

4. Szakértői rendszer: Beszélgetési AI vs Chatbotok

A fenti képernyő utolsó részét tekintve, amikor a projektet létrehozni kívánt útvonal megadására kérik, írjuk be a pontjelet (.), ez azt jelenti, hogy az aktuális könyvtárban szeretne projektet létrehozni. Amikor megkérdezik, hogy szeretne-e modellt képezni, választhat „y” vagy „n” közül.

Miután a fenti parancs végrehajtása befejeződött és az új projekt létrejött, a rendszer megkérdezi, hogy szeretne-e beszélni a chatbot a terminálban. Ha igennel válaszol, akkor párbeszéd kezdődik közted és az újonnan létrehozott chatbot között.

Most, hogy a projekt létrejött, ha megnézi a projektkönyvtárat, látni fogja, hogy több fájl is hozzáadásra került. Gyorsan megbeszélek 3 fájlt, amelyekről úgy érzem, hogy meg kell értened a tartalmukat; a fájl domain.yml a fő könyvtárban, és a fájlokat nlu.yml és a történetek.yml a dátum mappát.

A nlu.yml fájl az, ahol az összes edzésadatot tárolják. A képzési adatok mintaüzenetek, amelyeket a felhasználók elküldhetnek Önnek chatbot. Ebben a fájlban az üzenetek a szándék szerint vannak kategorizálva. Az alábbiakban egy kivonat látható a fájlból. Amint látod, szándék : üdvözölni több példa is van, pl. 'szia', 'hello', 'hé' stb. Cél: viszlát példák vannak: „viszlát”, „viszlát”, „cu” stb.

nlu:
- szándék: köszön
példák: |
- Hé
- Helló
- Szia
- Szia
- jó reggelt kívánok
- jó estét
- Halihó
- Gyerünk
- Hé haver
- jó reggelt kívánok
- jó estét
- jó napot
- Szia- szándék: viszlát
példák: |
- jó napot
— cu
- Viszlát
- viszlát később
- jó éjszakát
- Viszlát
- viszontlátásra
- legyen szép napod
- találkozunk
- Viszlát
- Később találkozunk
— Adios

A domain.yml fájl határozza meg a projekt hatókörét. Kiemelkedő információkat tartalmaz a projektről, például szándékokat, entitásokat, résidőket, műveleteket, és különösen a minta rválaszokat amit a botnak vissza kell küldenie a felhasználónak, amikor üzenetet kap. Hasonló nlu.yml, a bot válaszokat a szándék szerint kategorizáljuk. Például a válasz: utter_greet akkor kerül elküldésre, amikor a bot üdvözletet akar küldeni a felhasználónak. Ez az alábbi kódrészletben látható.

szándékok:
- üdvözöl:
use_entities: igaz
- viszontlátásra:
use_entities: igaz
- megerősít:
use_entities: igaz
- tagadni:
use_entities: igaz
- mood_great:
use_entities: igaz
- hangulat_unhappy:
use_entities: igaz
- bot_challenge:
use_entities: igazentitások: []
helyek: {}válaszok:
utter_greet:
— szöveg: Szia! Hogy vagy?
— szöveg: Szia! Hogy vagy ma?
utter_cheer_up:
— kép: https://i.imgur.com/nGF1K8f.jpg
szöveg: 'Itt van valami, ami felvidít:'
utter_did_that_help:
— szöveg: Ez segített?
utter_happy:
— szöveg: Remek, folytasd!
utter_goodbye:
— szöveg: Viszlát
utter_iamabot:
— szöveg: Bot vagyok, üzemeltető: Rasa.akciók: []
űrlapok: {}
e2e_actions: []

A történetek.yml filé összehozza a felhasználó üzeneteit és a bot válaszait. Létrehoz egy történetet vagy egy cselekményt a bot és a felhasználó között előforduló számos interakcióból. Meghatározza, hogy a chatbotnak milyen választ kell adnia a felhasználó által küldött üzenet szándéka alapján. Ez segít megtanítani a chatbotnak, hogy mit kell tennie különböző forgatókönyvekben. Például az alábbi kódszegmensre nézve, ha a chatbot szándékos üzenetet kap 'üdvözöl', végre kell hajtania azt a műveletet, amely a választ küldi.kimondani_üdvözölni' vissza a felhasználóhoz.

történetek:- történet: boldog út
lépések:
— szándék: köszön
— akció: üdvözöljük
— szándék: hangulat_nagyszerű
— cselekvés: teljes_boldog

Ezen a ponton a chatbot csak nagyon egyszerű és általános beszélgetéseket képes kezelni. Annak érdekében, hogy megfeleljen személyes vagy üzleti igényeinek, néhány változtatást kell végrehajtania az alapértelmezett chatboton. Ezt a tartalom módosításával teheti meg nlu.yml, story.yml, domain.yml A fent említett fájlokat szövegszerkesztővel. Azonban ezeknek a változtatásoknak a legjobb módja a platformon keresztül Rasa X.

A három részes sorozat következő részében arról fogok beszélni, hogyan módosíthatja, taníthatja és tesztelheti chatbotját a Rasa X használatával. A bejegyzést megtalálja itt!

Ha tetszett ez a bejegyzés, NYOMJON Vegyél egy kávét! Köszönöm, hogy elolvasta.

Az Ön hozzájárulása arra ösztönöz, hogy több ehhez hasonló tartalmat hozzak létre.

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