Een chatbot voor uw website maken (deel 1): Rasa-chatbot lokaal op uw systeem instellen

Hallo! Dit is het eerste deel van een driedelige serie waarin een Chatbot voor uw zakelijke of persoonlijke website met Docker en Heroku. Het conversational AI-platform dat ik zou gebruiken, is Rasa. Rasa is een open source framework voor machine learning waarmee u chatbots kunt maken; het is toevallig ook mijn favoriete chatbotplatform om verschillende redenen, zoals het feit dat het open source is, veel wordt gebruikt en goed gedocumenteerd is.

In dit bericht zal ik het hebben over het lokaal instellen van Rasa op uw computer. Hoewel mijn besturingssysteem Windows is, kan dit hele proces voor elk systeem worden gerepliceerd.

Voorwaarde:

1. Download Anaconda Prompt van hier.
2. Download Microsoft build-tools hier.
3. Maak een map op uw systeem waar u uw Rasa-project wilt opslaan.

Zodra dat allemaal is gebeurd, opent u het Anaconda prompt toepassing en 'CD' in de map die je hebt gemaakt, de mijne heet 'Rasa Project'.

Voer vervolgens de volgende opdrachten uit in Anaconda Prompt:

1. Maak een virtuele omgeving met de onderstaande opdracht.

conda create -n rasavirtualenv python = 3.6

2. Activeer uw omgeving met het commando

conda activeert rasavirtualenv

3. Installeer Ujson

conda install ujson == 1.35

4. Installeer Tensorflow

conda installeert tensorflow

5. Installeer Rasa Open Source.

pip installeer rasa

6. Maak een nieuw rasa-project aan in uw projectdirectory

rasa begin

1. Chatbot-trendsrapport 2021

2. 4 DO's en 3 DON'T's voor het trainen van een Chatbot NLP-model

3. Conciërge Bot: behandel meerdere chatbots vanuit één chatscherm

4. Een expertsysteem: Conversational AI Vs Chatbots

Als u naar het laatste deel van het bovenstaande scherm kijkt en u wordt gevraagd om het pad in te voeren dat u een project wilt maken, voert u het puntteken (.) In, dit betekent dat u een project in de huidige directory wilt maken. Op de vraag of je het model wilt trainen, kun je kiezen voor 'y' of 'n'.

Nadat de bovenstaande opdracht is voltooid en het nieuwe project is gemaakt, wordt u gevraagd of u met de Chatbot in de terminal. Als je ja antwoordt, begint er een dialoog tussen jou en de nieuw aangemaakte chatbot.

Nu het project is aangemaakt, zult u, als u uw projectdirectory controleert, zien dat er verschillende bestanden aan zijn toegevoegd. Ik zal snel 3 bestanden bespreken waarvan ik denk dat je ze nodig hebt om hun inhoud te begrijpen; het bestand domein.yml in de hoofddirectory en de bestanden nlu.yml en verhalen.yml in de gegevens map.

De nlu.yml bestand is waar alle trainingsgegevens worden opgeslagen. De trainingsgegevens zijn voorbeeldberichten die gebruikers naar uw Chatbot. In dit bestand zijn de berichten gecategoriseerd volgens de bedoeling. Een fragment uit het bestand is hieronder te zien. Zoals je kunt zien, intentie: begroeten heeft verschillende voorbeelden, bijv. 'hallo', 'hallo', 'hey' etc. Intentie: tot ziens heeft voorbeelden 'bye', 'goodbye', 'cu' etc.

nl:
- intentie: begroeten
voorbeelden: |
- Hallo
- Hallo
- Hoi
- Hallo daar
- Goedemorgen
- Goedenavond
- Hallo daar
- laten we gaan
- hey kerel
- Goedemorgen
- Goedenavond
- Goedenmiddag
- Hallo daar- intentie: tot ziens
voorbeelden: |
- Goedenmiddag
- cu
- tot ziens
- wacht later
- Welterusten
- doei
- tot ziens
- fijne dag
- zie je later
- tot ziens
- tot ziens
- Adios

De domein.yml bestand definieert de reikwijdte van uw project. Het bevat opvallende informatie over uw project, zoals intenties, entiteiten, slots, acties en vooral het voorbeeld rreacties die de bot terug moet sturen naar de gebruiker wanneer hij een bericht ontvangt. Gelijkwaardig aan nlu.ymlworden botreacties gecategoriseerd op basis van intentie. Bijvoorbeeld de reactie: utter_greet wordt verzonden wanneer de bot een begroeting naar de gebruiker wil terugsturen. Dit wordt weergegeven in het onderstaande codesegment.

intenties:
- begroeten:
use_entities: waar
- tot ziens:
use_entities: waar
- bevestigen:
use_entities: waar
- ontkennen:
use_entities: waar
- mood_geweldig:
use_entities: waar
- mood_ongelukkig:
use_entities: waar
- bot_uitdaging:
use_entities: waarentiteiten: []
sleuven: {}reacties:
volslagen begroeting:
- tekst: Hey! Hoe gaat het met je?
- tekst: Hallo! Hoe is het met jouw vandaag?
volkomen_cheer_up:
- afbeelding: https://i.imgur.com/nGF1K8f.jpg
tekst: 'Hier is iets om je op te vrolijken:'
volkomen_did_that_help:
- tekst: Heeft dat je geholpen?
volslagen_happy:
- tekst: Geweldig, ga door!
vaarwel:
- tekst: Bye
volslagen_iamabot:
- tekst: ik ben een bot, mogelijk gemaakt door Rasa.acties: []
vormen: {}
e2e_actions: []

De verhalen.yml filet brengt de berichten van de gebruiker en botreacties samen. Het creëert een verhaallijn of een plot van de verschillende interacties die kunnen plaatsvinden tussen de bot en de gebruiker. Het specificeert welke reactie de chatbot moet geven op basis van de intentie van het bericht dat door de gebruiker is verzonden. Dit helpt de chatbot te leren wat hij moet doen in verschillende scenario's. Kijk bijvoorbeeld naar het onderstaande codesegment als de chatbot een bericht ontvangt met de bedoeling 'begroeten', het moet de actie uitvoeren die het antwoord verzendt 'volslagen begroeting'terug naar de gebruiker.

verhalen:- verhaal: gelukkig pad
stappen:
- intentie: begroeten
- actie: utter_greet
- intentie: mood_great
- actie: utter_happy

Op dit moment kan uw chatbot alleen zeer eenvoudige en algemene conversaties afhandelen. Om aan uw persoonlijke of zakelijke behoeften te voldoen, moet u enkele wijzigingen aanbrengen in de standaardchatbot. U kunt dit doen door de inhoud van het nlu.yml, story.yml, domein.yml hierboven genoemde bestanden met behulp van een teksteditor. De beste manier om deze wijzigingen door te voeren, is via het platform Rasa X.

In het volgende deel van deze driedelige serie zal ik het hebben over het aanpassen, trainen en testen van je chatbot met Rasa X. Je kunt het bericht vinden hier!

Als je dit bericht leuk vindt, HIT Koop me een kop koffie! Bedankt voor het lezen.

Uw bijdrage zal me aanmoedigen om meer van dit soort inhoud te maken.

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