こんにちは! これは、作成と展開を含む3部構成のシリーズの最初の部分です。 チャットボット DockerとHerokuを使用してビジネスまたは個人のWebサイトに。 私が使用する会話型AIプラットフォームは ラーザ。 Rasaは、チャットボットの作成を支援するオープンソースの機械学習フレームワークです。 また、オープンソースであり、広く使用されており、十分に文書化されているなど、いくつかの理由で私のお気に入りのチャットボットプラットフォームでもあります。
この投稿では、Rasaをコンピューター上でローカルにセットアップする方法について説明します。 私のOSはWindowsですが、このプロセス全体を任意のシステムに複製できます。
前提条件:
それがすべて完了したら、を開きます アナコンダ プロンプト アプリケーションと 'cd ' あなたが作成したディレクトリに、私のものは「Rasaプロジェクト」と呼ばれています。
次に、Anacondaプロンプトで次のコマンドを実行します。
- 以下のコマンドを使用して仮想環境を作成します。
conda create -n rasavirtualenv python = 3.6
2.コマンドを使用して環境をアクティブ化します
condaはrasavirtualenvをアクティブにします
3.Ujsonをインストールします
conda install ujson == 1.35
4.Tensorflowをインストールします
conda テンソルフローをインストール
5.Rasaオープンソースをインストールします。
pip インストール ラサ
6.プロジェクトディレクトリに新しいrasaプロジェクトを作成します
ラサ初期化
2.チャットボットNLPモデルをトレーニングするための4つのすべきことと3つのすべきでないこと
上の画面の最後の部分を見て、プロジェクトを作成するパスを入力するように求められたら、ピリオド記号(。)を入力します。これは、現在のディレクトリにプロジェクトを作成することを意味します。 モデルをトレーニングするかどうかを尋ねられたら、「y」または「n」のいずれかを選択できます。
上記のコマンドの実行が終了し、新しいプロジェクトが作成されると、 チャットボット ターミナルで。 「はい」と答えると、あなたと新しく作成されたチャットボットの間で対話が始まります。
プロジェクトが作成されたので、プロジェクトディレクトリを確認すると、いくつかのファイルがプロジェクトに追加されていることがわかります。 内容を理解する必要があると思われる3つのファイルについて簡単に説明します。 ファイル ドメイン.yml メインディレクトリ、およびファイル nlu.yml および storys.yml セクションに データ フォルダにコピーします。
nlu.yml ファイルは、すべてのトレーニングデータが保存される場所です。 トレーニングデータは、ユーザーがあなたに送信できるサンプルメッセージです チャットボット。 このファイルでは、メッセージは意図に従って分類されています。 ファイルからの抜粋を以下に示します。 ご覧のように、 意図:挨拶 'hi'、 'hello'、 'hey'などの例がいくつかあります。 意図:さようなら 「さようなら」、「さようなら」、「cu」などの例があります。
nlu:
-意図:挨拶
例:|
—ねえ
- こんにちは
- こんにちは
- こんにちは
- おはようございます
- こんばんは
- ちょっと、そこ
- 行こう
—おいおい
- おはようございます
- こんばんは
- こんにちは
- こんにちは-意図:さようなら
例:|
- こんにちは
— 立方
—さようなら
—後でお会いしましょう
- おやすみなさい
—さようなら
- さようなら
- ごきげんよう
- またね
- バイバイ
- じゃあまたね
—アディオス
ドメイン.yml ファイルはプロジェクトのスコープを定義します。 インテント、エンティティ、スロット、アクション、特にサンプルrなど、プロジェクトに関する重要な情報が含まれています。応答する ボットがメッセージを受信したときにユーザーに送り返す必要があること。 に似ている nlu.yml、ボットの応答は意図に従って分類されます。 たとえば、 応答:utter_greet ボットがユーザーに挨拶を送り返したいときはいつでも送信されます. これは、以下のコードセグメントに示されています。
意図:
-挨拶:
use_entities:true
- さようなら:
use_entities:true
-断言:
use_entities:true
-拒否:
use_entities:true
--mood_great:
use_entities:true
--mood_unhappy:
use_entities:true
--bot_challenge:
use_entities:trueエンティティ:[]
スロット:{}反応:
utter_greet:
—テキスト:Hey! お元気ですか?
—テキスト:こんにちは! ご機嫌はいかがですか?
utter_cheer_up:
—画像: https://i.imgur.com/nGF1K8f.jpg
テキスト: 'ここにあなたを元気づける何かがあります:'
utter_did_that_help:
—テキスト:それはあなたを助けましたか?
utter_happy:
—テキスト:すばらしい、続けてください!
utter_goodbye:
—テキスト:さようなら
utter_iamabot:
—テキスト:私はRasaを利用したボットです。行動: []
フォーム:{}
e2e_actions:[]
storys.yml file ユーザーのメッセージとボットの応答をまとめます。 ボットとユーザーの間で発生する可能性のあるいくつかの相互作用のストーリーラインまたはプロットを作成します。 これは、ユーザーが送信したメッセージの意図に基づいて、チャットボットがどのような応答を返すかを指定します。 これは、さまざまなシナリオで何をすべきかをチャットボットに教えるのに役立ちます。 たとえば、チャットボットが意図的なメッセージを受信した場合、以下のコードセグメントを見てください 「あいさつ」、 応答を送信するアクションを実行する必要があります 'あいさつ'ユーザーに戻ります。
物語:-ストーリー:ハッピーパス
手順:
—意図:挨拶
—アクション:utter_greet
—意図:mood_great
—アクション:utter_happy
この時点で、チャットボットは非常に基本的で一般的な会話しか処理できません。 個人またはビジネスのニーズに合わせるには、デフォルトのチャットボットにいくつかの変更を加える必要があります。 あなたはの内容を変更することによってこれを行うことができます nlu.yml, story.yml、domain.yml テキストエディタを使用して上記のファイル。 ただし、これらの変更を行うための最良の方法は、プラットフォームを使用することです ラサX.
このXNUMX回シリーズの次のパートでは、Rasa Xを使用してチャットボットを変更、トレーニング、テストする方法について説明します。投稿を見つけることができます。 こちら!
この投稿が気に入ったら、HITコーヒーを買ってください! 読んでくれてありがとう。
あなたの貢献は私がこのようなより多くのコンテンツを作成することを奨励します。
- Action
- 確認する
- AI
- すべて
- 申し込み
- BEST
- ロボット
- ビルド
- ビジネス
- 購入
- EEC
- チャットボット
- チャットボットプラットフォーム
- チャットボット
- コード
- コンテンツ
- 会話
- 作成
- 電流プローブ
- CZ
- データ
- DID
- デッカー
- エディタ
- 環境
- 等
- EU
- EV
- EY
- 名
- フィット
- フレームワーク
- GitHubの
- 良い
- 素晴らしい
- GV
- 認定条件
- How To
- HP
- hr
- HTTPS
- ia
- 画像
- 情報
- 意図
- IP
- IT
- Kx
- 学習
- LG
- 局部的に
- LP
- 機械学習
- ミディアム
- Microsoft
- NLP
- 開いた
- オープンソース
- 注文
- プラットフォーム
- プロジェクト
- 後部
- リーディング
- 理由は
- レポート
- 応答
- ラン
- ランニング
- 画面
- シリーズ
- 設定
- 店舗
- 会話
- test
- トレーニング
- トレンド
- users
- バーチャル
- ウェブサイト
- ウィンドウズ
- X