Membuat chatbot langsung untuk situs web Anda (Bagian 2): Memodifikasi, melatih, dan menguji chatbot Anda…

Halo! Selamat datang di bagian kedua dari seri 3 bagian yang melibatkan pembuatan dan penerapan chatbot untuk situs web bisnis atau pribadi Anda menggunakan Rasa, Docker, dan Heroku. Dalam bagian pertama, saya berbicara tentang menyiapkan chatbot secara lokal di sistem Anda dan mengubahnya menggunakan editor teks. Di bagian kedua ini, saya akan berbicara tentang cara membuat perubahan pada chatbot Anda menggunakan platform Rasa X. Saya akan mengajari Anda cara menambahkan data baru, melatih bot Anda, dan menggunakan model yang baru dibuat untuk berbicara dengan chatbot Anda, semuanya melalui Rasa X.

Rasa X adalah alat Pengembangan Berbasis Percakapan (CDD) yang membantu Anda meningkatkan chatbot Anda. Rasa X menyediakan antarmuka pengguna bagi Anda untuk berinteraksi dengan bot Anda. Dengan Rasa X, Anda dapat mengobrol dengan chatbot lokal Anda sebagai pengguna akhir, Anda juga dapat memasukkan data baru dan melatih kembali chatbot Anda.

Untuk menginstal Rasa X, lakukan hal berikut:

1. Buka perintah Anaconda dan cd ke dalam direktori proyek Rasa Anda (dibuat pada bagian pertama seri ini).

2. Aktifkan lingkungan virtual yang Anda buat di bagian terakhir seri ini.

conda mengaktifkan rasavirtualenv

3. Instal Rasa X dengan menjalankan perintah di bawah ini

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

Anda mungkin harus menurunkan versi pip jika instalasi memakan waktu terlalu lama

pemasangan pip — tingkatkan pip==20.2

Setelah Rasa X berhasil diinstal, jalankan perintah di bawah ini

rasa X

Perintah ini akan memunculkan antarmuka pengguna di browser Anda. Di antarmuka pengguna ini Anda akan melihat beberapa tab. Dalam tutorial ini saya akan fokus pada Tidak ada data, tanggapan, cerita, Model, Bicaralah dengan bot Anda tab, dan Pelatihan VE .

Tab Data NLU

Di sinilah Anda memasukkan data pelatihan untuk pengguna. Data pelatihan di sini adalah contoh pesan yang berpotensi dikirim pengguna ke chatbot. Hal ini sesuai dengan nlu.yml file di sistem lokal Anda. Saat Anda memasukkan pesan baru, Anda juga harus mengklasifikasikannya maksud, ini membantu chatbot memprediksi makna di balik pesan pengguna ketika menerima pesan serupa di masa mendatang.

Pada gambar di atas Anda dapat melihat bahwa saya memasukkan pesan baru 'Halo' dan saya mengklasifikasikan niatnya sebagai 'menyambut'. Setelah memasukkan informasi ini, saya akan menyimpannya. Anda dapat memasukkan contoh sebanyak yang Anda inginkan, semakin banyak semakin baik. Anda juga dapat membuat maksud baru.

Tab Tanggapan

Di sinilah Anda memasukkan contoh tanggapan untuk chatbot, yaitu pesan yang harus dikirim kembali oleh chatbot kepada pengguna ketika menerima pesan apa pun. Mirip dengan data NLU tab, setiap respons dikategorikan menurut niat; Misalnya, 'ucapkan salam’ mencakup tanggapan yang harus diberikan chatbot kepada pengguna ketika menerima pesan dengan maksud tertentu 'menyapa'. Anda dapat memasukkan tanggapan baru dengan memilih kategori tanggapan dan mengklik tombol plus. Saat Anda memasukkan varian respons baru, Anda cukup menekan 'Menyimpan'. Anda juga dapat membuat kategori respons baru.

1. Laporan Tren Chatbot 2021

2. 4 DO dan 3 DON'T untuk Melatih Model Chatbot NLP

3. Bot Concierge: Menangani Beberapa Chatbots dari Satu Layar Obrolan

4. Sistem pakar: AI Percakapan Vs Chatbots

Tab Cerita

Ini sesuai dengan cerita.yml file di direktori file lokal Anda. Di sinilah Anda menyatukan data dari dua tab sebelumnya. Di sini Anda pada dasarnya membuat alur cerita atau plot, yang bergantung pada maksud pesan yang dikirim oleh pengguna, chatbot harus memberikan respons yang sesuai. Ini membantu mengajari chatbot apa yang harus dilakukan dalam berbagai skenario. Misalnya jika chatbot menerima pesan dengan maksud 'menyapa' ia harus merespons dengan mengirimkan salam kembali ke pengguna melalui tindakan 'ucapkan salam'.

Anda perlu membuat cerita sebanyak mungkin. Anda harus memiliki jalur/alur cerita yang menyenangkan, yaitu ketika segala sesuatunya berjalan sesuai rencana. Anda juga harus memiliki jalur/alur cerita menyedihkan yang menangani pengecualian. Anda dapat membuat cerita baru dengan mengklik tombol plus.

Tombol Kereta

Setelah Anda selesai memasukkan semua data baru Anda ke dalam data NLU, tanggapan dan cerita tab, Anda perlu menekan Pelatihan VE tombol, tombol ini akan melatih kembali chatbot Anda dan menyimpan model yang baru dibuat di Model tab. Hal hebat tentang Rasa X adalah ketika Anda melatih chatbot Anda, semua data baru yang Anda masukkan juga dimasukkan dan disimpan secara lokal di file yang sesuai di sistem lokal Anda.

Tab model

Di sinilah Anda dapat menemukan semua model yang Anda hasilkan. Model terkini selalu menjadi yang teratas. Anda dapat mengaktifkan model ini dengan mengklik panah atas.

Mengobrol dengan tab bot Anda

Setelah Anda mengaktifkan model baru, Anda dapat mengujinya di Ngobrol dengan bot Anda tab. Seperti yang terlihat pada gambar di bawah, respon yang diberikan bot adalah respon baru yang saya masukkan sebelumnya.

Itu dia! Ini adalah cara memasukkan data baru, melatih dan menguji chatbot Anda menggunakan Rasa X. Di bagian selanjutnya dari seri ini saya akan berbicara tentang cara menyebarkan chatbot Anda di server langsung Heroku menggunakan Docker, dan juga cara berkomunikasi dengan bot ini melalui widget obrolan di situs web Anda. Pantau terus!!

Jika Anda menyukai posting ini, HIT Belikan saya kopi! Terima kasih sudah membaca.

Kontribusi kecil Anda akan mendorong saya untuk membuat lebih banyak konten seperti ini.

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