안녕하세요! Rasa, Docker 및 Heroku를 사용하여 비즈니스 또는 개인 웹사이트용 챗봇을 만들고 배포하는 과정을 포함하는 3부작 시리즈의 두 번째 부분에 오신 것을 환영합니다. 에서 첫 번째 부분, 시스템에 로컬로 챗봇을 설정하고 텍스트 편집기를 사용하여 변경하는 방법에 대해 이야기했습니다. 두 번째 부분에서는 Rasa X 플랫폼을 사용하여 챗봇을 변경하는 방법에 대해 설명하겠습니다. 새 데이터를 추가하고, 봇을 훈련하고, 새로 생성된 모델을 사용하여 챗봇과 대화하는 방법을 모두 알려 드리겠습니다. 라사 X.
라사 X 챗봇을 개선하는 데 도움이 되는 대화 중심 개발(CDD) 도구입니다. Rasa X는 봇과 상호 작용할 수 있는 사용자 인터페이스를 제공합니다. Rasa X를 사용하면 최종 사용자로서 로컬 챗봇과 채팅할 수 있으며, 새로운 데이터를 입력하고 챗봇을 재교육할 수도 있습니다.
Rasa X를 설치하려면 다음을 수행하십시오.
- Anaconda 프롬프트를 열고 cd Rasa 프로젝트 디렉토리(이 시리즈의 첫 번째 부분에서 생성됨)에 저장합니다.
2. 이 시리즈의 마지막 부분에서 생성한 가상 환경을 활성화합니다.
conda rasavirtualenv 활성화
3. 아래 명령을 실행하여 Rasa X를 설치합니다.
pip install rasa-x — 추가 인덱스 URL https://pypi.rasa.com/simple
설치가 너무 오래 걸리면 pip를 다운그레이드해야 할 수도 있습니다.
pip 설치 — pip==20.2 업그레이드
Rasa X가 성공적으로 설치되면 아래 명령을 실행하십시오.
라사 X
이 명령은 브라우저에 사용자 인터페이스를 표시합니다. 이 사용자 인터페이스에는 여러 탭이 표시됩니다. 이 튜토리얼에서는 다음에 중점을 둘 것입니다. Nlu 데이터, 응답, 이야기, 모델, 봇과 대화하세요 탭 및 Train 버튼을 클릭합니다.
NLU 데이터 탭
여기에는 사용자에 대한 교육 데이터를 입력하는 곳입니다. 여기에 있는 훈련 데이터는 사용자가 잠재적으로 챗봇에 보낼 수 있는 샘플 메시지입니다. 이는 다음에 해당합니다. nlu.yml 로컬 시스템의 파일. 새 메시지를 입력할 때 메시지도 분류해야 합니다. 의지, 이는 챗봇이 향후 유사한 메시지를 수신할 때 사용자 메시지의 의미가 무엇인지 예측하는 데 도움이 됩니다.
위 이미지를 보면 제가 새 메시지를 입력한 것을 볼 수 있습니다. '안녕하세요' 그리고 나는 그 의도를 '인사'. 이 정보를 입력한 후 저장하겠습니다. 원하는 만큼 많은 예를 입력할 수 있으며, 많을수록 좋습니다. 새로운 인텐트를 생성할 수도 있습니다.
응답 탭
여기에는 챗봇에 대한 샘플 응답, 즉 메시지를 받을 때 챗봇이 사용자에게 다시 보내야 하는 메시지를 입력하는 곳입니다. 유사하다 NLU 데이터 탭에서 각 응답은 의도에 따라 분류됩니다. 예를 들어, '완전 인사'는 의도가 있는 메시지를 수신할 때 챗봇이 사용자에게 제공해야 하는 응답을 포함합니다. '환영하다'. 응답 카테고리를 선택하고 더하기 버튼을 클릭하여 새로운 응답을 입력할 수 있습니다. 새로운 응답 변형을 입력할 때 간단히 누르기만 하면 됩니다. '구하다'. 새로운 응답 범주를 생성할 수도 있습니다.
2. 챗봇 NLP 모델 훈련을위한 4 가지해야 할 일과하지 말아야 할 것 3 가지
스토리 탭
이것은 이야기.yml 로컬 파일 디렉터리에 파일을 넣으세요. 여기에서 이전 두 탭의 데이터를 함께 가져옵니다. 여기서는 기본적으로 사용자가 보낸 메시지의 의도에 따라 챗봇이 적절한 응답을 제공해야 하는 스토리라인이나 플롯을 생성합니다. 이는 다양한 시나리오에서 무엇을 해야 하는지 챗봇에게 가르치는 데 도움이 됩니다. 예를 들어, 챗봇이 의도가 있는 메시지를 수신한 경우 '환영하다' '라는 작업을 통해 사용자에게 인사말을 다시 보내 응답해야 합니다.완전 인사'.
가능한 한 많은 이야기를 만들어야 합니다. 일이 계획대로 진행되는 행복한 경로/스토리라인이 있어야 합니다. 또한 예외를 처리하는 슬픈 경로/스토리라인이 필요합니다. 더하기 버튼을 클릭하면 새 스토리를 만들 수 있습니다.
기차 버튼
새 데이터를 모두 입력했으면 NLU 데이터, 응답 및 이야기 탭을 눌러야 합니다. Train 버튼을 누르면 이 버튼은 챗봇을 재교육하고 새로 생성된 모델을 모델 탭. Rasa X의 가장 큰 장점은 챗봇을 교육할 때 입력한 모든 새 데이터도 입력되어 로컬 시스템의 해당 파일에 로컬로 저장된다는 것입니다.
모델 탭
생성된 모든 모델을 찾을 수 있는 곳입니다. 최신 모델이 항상 맨 위에 표시됩니다. 위쪽 화살표를 클릭하여 이 모델을 활성화할 수 있습니다.
봇과 채팅 탭
새 모델을 활성화한 후에는 다음에서 테스트할 수 있습니다. 봇과 채팅 탭. 아래 이미지에서 볼 수 있듯이 봇이 준 응답은 제가 앞서 입력한 새로운 응답입니다.
거기 있어요! Rasa X를 사용하여 새 데이터를 입력하고, 챗봇을 훈련 및 테스트하는 방법입니다. 이 시리즈의 다음 부분에서는 Docker를 사용하여 라이브 서버 Heroku에 챗봇을 배포하는 방법과 이 봇과 통신하는 방법에 대해 설명하겠습니다. 웹사이트의 채팅 위젯을 통해. 계속 지켜봐주세요!!
이 게시물이 마음에 들면 HIT Buy me a coffee! 읽어 주셔서 감사합니다.
여러분의 작은 기여가 제가 이와 같은 콘텐츠를 더 많이 만들 수 있도록 격려해 줄 것입니다.