Come costruire il tuo chatbot

Iniziamo creando un file che utilizzeremo per scaricare il modello. Per aiutarci, usiamo Faccina che abbraccia, una libreria Python che fornisce vari modelli PNL di alta qualità.

Quindi creiamo una classe Python che utilizzeremo per gestire la logica dalla conversione del nostro testo inglese per creare i nostri token di parole che utilizzeremo come input per il nostro modello.

Costruiamo quindi a pallone API con due endpoint, uno per verificare se il servizio funziona e uno per l'integrazione con il nostro chatbot.

Infine generiamo un Dockerfile che durante la creazione pre-scaricherà il modello di chat in modo che quando inviamo una richiesta alla nostra API possa fornire risposte rapide, invece di ricaricare il modello ogni volta. Ciò migliorerà drasticamente le prestazioni del nostro bot. Per ospitare l'API utilizziamo gunicorn come server wsgi senza alcun framework di server web aggiuntivo.

I passaggi dall'esecuzione del modello sul computer locale all'esecuzione in produzione possono essere scoraggianti. Tuttavia, negli ultimi anni diversi servizi hanno reso questo passaggio molto più semplice.

Lavoreremo con Google Cloud Run per questo progetto. Piattaforma "serverless" di Google, non mi piace la parola serverless poiché ovviamente deve esserci un server che esegue il codice, ma è serverless nel senso che non salva alcun dato del client da una sessione all'altra e questo otteniamo qualunque server sia disponibile in un dato momento.

1. Rapporto sulle tendenze dei chatbot 2021

2. 4 DA FARE e 3 DA NON FARE per l'addestramento di un modello di PNL Chatbot

3. Concierge Bot: gestisci più chatbot da una schermata di chat

4. Un sistema esperto: Conversational AI vs Chatbots

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