Membuat chatbot untuk situs web Anda (Bagian 1): Menyiapkan Rasa chatbot secara lokal di sistem Anda

Halo! Ini adalah bagian pertama dari rangkaian 3 bagian yang melibatkan pembuatan dan penerapan a ChatBot untuk bisnis atau situs pribadi Anda menggunakan Docker dan Heroku. Platform AI percakapan yang akan saya gunakan adalah Rasa. Rasa adalah kerangka kerja pembelajaran mesin sumber terbuka yang membantu Anda membuat chatbots; itu juga menjadi platform chatbot favorit saya karena beberapa alasan, seperti open source, banyak digunakan dan didokumentasikan dengan baik.

Dalam posting ini, saya akan berbicara tentang cara mengatur Rasa secara lokal di komputer Anda. Meskipun OS saya adalah Windows, seluruh proses ini dapat direplikasi untuk sistem apa pun.

Prasyarat:

1. Unduh Anaconda Prompt dari di sini.
2. Unduh alat pembuatan Microsoft di sini.
3. Buat direktori di sistem Anda tempat Anda ingin menyimpan proyek Rasa Anda.

Setelah semua itu dilakukan, buka file Anaconda Cepat aplikasi dan 'CD' ke dalam direktori yang Anda buat, milik saya disebut 'Proyek Rasa'.

Kemudian jalankan perintah berikut di Anaconda Prompt:

1. Buat lingkungan virtual menggunakan perintah di bawah ini.

Conda create -n rasavirtualenv python = 3.6

2. Aktifkan lingkungan Anda menggunakan perintah

conda mengaktifkan rasavirtualenv

3. Pasang Ujson

Conda install ujson == 1.35

4. Pasang Tensorflow

Conda memasang tensorflow

5. Instal Rasa Open Source.

pip instal rasa

6. Buat proyek rasa baru di direktori proyek Anda

rasa init

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

Melihat bagian terakhir dari layar di atas, ketika diminta untuk memasukkan jalur yang ingin Anda buat proyek, masukkan tanda titik (.), Ini menandakan bahwa Anda ingin membuat proyek di direktori saat ini. Saat ditanya apakah Anda ingin melatih model, Anda dapat memilih 'y' atau 'n'.

Setelah perintah di atas selesai dijalankan dan proyek baru telah dibuat, Anda akan ditanya apakah Anda ingin berbicara dengan ChatBot di terminal. Jika Anda menjawab ya, dialog akan dimulai antara Anda dan chatbot yang baru dibuat.

Sekarang proyek telah dibuat, jika Anda memeriksa direktori proyek Anda, Anda akan melihat bahwa beberapa file telah ditambahkan ke dalamnya. Saya akan segera membahas 3 file yang menurut saya perlu Anda pahami isinya; berkas domain.yml di direktori utama, dan file nlu.yml dan cerita.yml dalam data folder.

Grafik nlu.yml file adalah tempat semua data pelatihan disimpan. Data pelatihan adalah contoh pesan yang dapat dikirim pengguna ke Anda ChatBot. Dalam file ini, pesan dikategorikan menurut maksudnya. Kutipan dari file tersebut dapat dilihat di bawah ini. Seperti yang terlihat, maksud: menyapa memiliki beberapa contoh misalnya 'hai', 'halo', 'hai' dll. Maksud: selamat tinggal memiliki contoh 'bye', 'goodbye', 'cu' dll.

tidak:
- maksud: menyapa
contoh: |
- hei
- halo
- hai
- Halo yang disana
- Selamat pagi
- Selamat malam
- hai yang disana
- Ayo pergi
- Hei bung
- Selamat pagi
- Selamat malam
- Selamat sore
- Halo- niat: selamat tinggal
contoh: |
- Selamat sore
- cu
- selamat
- sampai jumpa nanti
- Selamat malam
- bye
- Selamat tinggal
- semoga harimu menyenangkan
- sampai jumpa
- sampai jumpa
- sampai jumpa lagi
- Adios

Grafik domain.yml file mendefinisikan ruang lingkup proyek Anda. Ini berisi informasi penting tentang proyek Anda, seperti maksud, entitas, slot, tindakan, dan terutama, sampel response yang harus dikirim kembali oleh bot kepada pengguna saat menerima pesan. Mirip dengan nlu.yml, respons bot dikategorikan menurut maksud. Misalnya, file respon: utter_greet dikirim setiap kali bot ingin mengirim kembali salam kepada pengguna. Ini ditunjukkan pada segmen kode di bawah ini.

maksud:
- salam:
use_entities: benar
- Selamat tinggal:
use_entities: benar
- tegaskan:
use_entities: benar
- tolak:
use_entities: benar
- suasana hati_hebat:
use_entities: benar
- suasana hati_tidak senang:
use_entities: benar
- tantangan_bot:
use_entities: benarentitas: []
slot: {}tanggapan:
ucapan salam:
- teks: Hei! Apa kabar?
- teks: Hai! Apa kabarmu hari ini?
mengucapkan_sorak_up:
- gambar: https://i.imgur.com/nGF1K8f.jpg
teks: 'Ini sesuatu untuk menghibur Anda:'
ucapkan_did_that_help:
- teks: Apakah itu membantu Anda?
sangat_bahagia:
- teks: Bagus, lanjutkan!
mengucapkan_selamat tinggal:
- teks: Bye
mengucapkan_iamabot:
- teks: Saya bot, didukung oleh Rasa.tindakan: []
formulir: {}
e2e_aksi: []

Grafik cerita.yml fillet menyatukan pesan pengguna dan respons bot. Ini membuat alur cerita atau plot dari beberapa interaksi yang dapat terjadi antara bot dan pengguna. Ini menentukan respons apa yang harus diberikan chatbot berdasarkan maksud pesan yang dikirim oleh pengguna. Ini membantu mengajari chatbot apa yang harus dilakukan dalam skenario yang berbeda. Misalnya, melihat segmen kode di bawah ini, jika chatbot menerima pesan dengan maksud 'menyambut', itu harus melakukan tindakan yang mengirimkan tanggapan 'ucapkan salam'kembali ke pengguna.

cerita:- cerita: jalan bahagia
Langkah:
- maksud: menyapa
- tindakan: utter_greet
- maksud: mood_great
- tindakan: utter_happy

Pada titik ini chatbot Anda hanya mampu menangani percakapan yang sangat dasar dan umum. Untuk menyesuaikan dengan kebutuhan pribadi atau bisnis Anda, Anda perlu melakukan beberapa perubahan pada chatbot default. Anda dapat melakukannya dengan mengubah konten file nlu.yml, cerita.yml, domain.yml file yang disebutkan di atas menggunakan editor teks. Namun, cara terbaik untuk melakukan perubahan ini adalah melalui platform Rasa X.

Pada bagian selanjutnya dari rangkaian tiga bagian ini, saya akan berbicara tentang cara memodifikasi, melatih, dan menguji chatbot Anda menggunakan Rasa X. Anda dapat menemukan posnya di sini!

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

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

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