Creazione di un chatbot per il tuo sito web (Parte 1): configurazione del chatbot Rasa localmente sul tuo sistema

Ciao! Questa è la prima parte di una serie in 3 parti che coinvolge la creazione e la distribuzione di un file chatbot per il tuo sito web aziendale o personale utilizzando Docker e Heroku. La piattaforma di intelligenza artificiale conversazionale che utilizzerei è Rasa. Rasa è un framework di machine learning open source che ti aiuta a creare chatbot; sembra anche essere la mia piattaforma chatbot preferita per diversi motivi, ad esempio essendo open source, ampiamente utilizzata e ben documentata.

In questo post parlerò di come configurare Rasa localmente sul tuo computer. Sebbene il mio sistema operativo sia Windows, l'intero processo può essere replicato per qualsiasi sistema.

Prerequisiti:

1. Scarica Anaconda Prompt da qui.
2. Scarica gli strumenti di build Microsoft qui.
3. Crea una directory sul tuo sistema in cui desideri memorizzare il tuo progetto Rasa.

Una volta fatto tutto ciò, apri il file Anaconda Richiesta applicazione e 'CD' nella directory che hai creato, il mio si chiama "Rasa Project".

Quindi esegui i seguenti comandi in Anaconda Prompt:

1. Crea un ambiente virtuale utilizzando il comando seguente.

conda crea -n rasavirtualenv python = 3.6

2. Attiva il tuo ambiente utilizzando il comando

conda attiva rasavirtualenv

3. Installa Ujson

conda install ujson == 1.35

4. Installa Tensorflow

conda installa tensorflow

5. Installa Rasa Open Source.

pip installa rasa

6. Creare un nuovo progetto rasa nella directory del progetto

rasa init

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

Guardando l'ultima parte della schermata sopra, quando ti viene chiesto di inserire il percorso in cui desideri creare il progetto, inserisci il segno del punto (.), Questo significa che desideri creare il progetto nella directory corrente. Quando ti viene chiesto se desideri addestrare il modello, puoi scegliere "y" o "n".

Dopo che il comando di cui sopra termina l'esecuzione e il nuovo progetto è stato creato, ti verrà chiesto se desideri parlare con il chatbot nel terminale. Se rispondi sì, inizierà un dialogo tra te e il chatbot appena creato.

Ora che il progetto è stato creato, se controlli la directory del progetto, vedrai che sono stati aggiunti diversi file. Tratterò rapidamente 3 file di cui sento la necessità per comprenderne il contenuto; il file dominio.yml nella directory principale e nei file nlu.yml ed storie.yml nel dati cartella.

Il nlu.yml file è dove vengono memorizzati tutti i dati di addestramento. I dati di addestramento sono messaggi di esempio che gli utenti possono inviare al tuo chatbot. In questo file, i messaggi vengono classificati in base all'intento. Di seguito è possibile vedere un estratto dal file. Come potete vedere, intento: salutare ha diversi esempi, ad esempio "ciao", "ciao", "ehi" ecc. Intento: arrivederci contiene esempi "bye", "goodbye", "cu" ecc.

nl:
- intento: salutare
esempi: |
- Hey
- Ciao
- Ciao
- Ciao
- Buongiorno
- Buonasera
- Ehilà
- andiamo
- Hey amico
- Buongiorno
- Buonasera
- buon pomeriggio
- Ciao- intento: arrivederci
esempi: |
- buon pomeriggio
- cu
- arrivederci
- ci vediamo dopo
- Buona Notte
- addio
- Arrivederci
- buona giornata
- Ci vediamo in giro
- Ciao ciao
- arrivederci
- Adios

Il dominio.yml file definisce l'ambito del progetto. Contiene informazioni salienti sul tuo progetto, come intenti, entità, slot, azioni e, soprattutto, il campione rrisposte che il bot deve rispedire all'utente quando riceve un messaggio. Simile a nlu.yml, le risposte dei bot sono classificate in base all'intento. Ad esempio, il file risposta: utter_greet viene inviato ogni volta che il bot vuole rimandare un saluto all'utente. Questo è mostrato nel segmento di codice di seguito.

intenti:
- salutare:
use_entities: vero
- Arrivederci:
use_entities: vero
- affermare:
use_entities: vero
- negare:
use_entities: vero
- umore_ottimo:
use_entities: vero
- umore_infelice:
use_entities: vero
- sfida_bot:
use_entities: veroentità: []
slot: {}risposte:
totale_saluto:
- testo: Hey! Come stai?
- testo: Ciao! Come stai oggi?
pronunciare_cheer_up:
- Immagine: https://i.imgur.com/nGF1K8f.jpg
testo: "Ecco qualcosa per tirarti su di morale:"
assolutamente_ha_fatto_che_aiuto:
- testo: ti è stato d'aiuto?
totale_felice:
- testo: Fantastico, vai avanti!
arrivederci:
- testo: Ciao
pronuncia_iamabot:
- testo: sono un bot, alimentato da Rasa.Azioni: []
forme: {}
e2e_azioni: []

Il storie.yml filetto riunisce i messaggi dell'utente e le risposte del bot. Crea una trama o una trama delle diverse interazioni che possono verificarsi tra il bot e l'utente. Specifica quale risposta deve dare il chatbot in base all'intento del messaggio inviato dall'utente. Questo aiuta a insegnare al chatbot cosa fare in diversi scenari. Ad esempio, guardando il segmento di codice di seguito, se il chatbot riceve un messaggio intenzionale 'salutare', deve eseguire l'azione che invia la risposta 'totale_saluto'torna all'utente.

storie:- storia: percorso felice
passaggi:
- intento: salutare
- azione: utter_greet
- intento: mood_great
- azione: utter_happy

A questo punto il tuo chatbot è in grado di gestire solo conversazioni di base e generiche. Per soddisfare le tue esigenze personali o aziendali, devi apportare alcune modifiche al chatbot predefinito. Puoi farlo modificando il contenuto del file nlu.yml, story.yml, dominio.yml file menzionati sopra utilizzando un editor di testo. Tuttavia, il modo migliore per apportare queste modifiche è tramite la piattaforma Rassa X.

Nella prossima parte di questa serie in tre parti, parlerò di come modificare, addestrare e testare il tuo chatbot usando Rasa X. Puoi trovare il post qui!

Se ti piace questo post, HIT Comprami un caffè! Grazie per aver letto.

Il tuo contributo mi incoraggerà a creare più contenuti come questo.

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