Een live chatbot maken voor uw website (deel 2): ​​uw chatbot aanpassen, trainen en testen ...

Hallo! Welkom bij het tweede deel van een driedelige serie over het maken en implementeren van een chatbot voor uw zakelijke of persoonlijke website met behulp van Rasa, Docker en Heroku. In de eerste deel, Ik had het over het lokaal instellen van de chatbot op uw systeem en het aanbrengen van wijzigingen met behulp van een teksteditor. In dit tweede deel zal ik het hebben over het aanbrengen van wijzigingen in uw chatbot met behulp van het platform Rasa X. Ik zal u leren hoe u nieuwe gegevens kunt toevoegen, uw bot kunt trainen en het nieuw gegenereerde model kunt gebruiken om met uw chatbot te praten, het hele proces door. Rasa X.

Rasa X is een Conversation-Driven Development (CDD) tool die je helpt je chatbot te verbeteren. Rasa X biedt een gebruikersinterface waarmee u met uw bot kunt communiceren. Met Rasa X kun je als eindgebruiker chatten met je lokale chatbot, ook nieuwe gegevens invoeren en je chatbot omscholen.

Ga als volgt te werk om Rasa X te installeren:

1. Open de Anaconda-prompt en cd in uw Rasa-projectdirectory (gemaakt in het eerste deel van deze serie).

2. Activeer de virtuele omgeving die je in het laatste deel van deze serie hebt gemaakt.

conda activeert rasavirtualenv

3. Installeer Rasa X door de onderstaande opdracht uit te voeren

pip installeer rasa-x — extra-index-url https://pypi.rasa.com/simple

Mogelijk moet u pip downgraden als de installatie te lang duurt

pip installatie — upgrade pip==20.2

Nadat Rasa X met succes is geïnstalleerd, voert u de onderstaande opdracht uit

Rasa X

Deze opdracht opent een gebruikersinterface in uw browser. In deze gebruikersinterface ziet u verschillende tabbladen. In deze tutorial zal ik me concentreren op de NLU-gegevens, Reacties, Blog, Modellen, praat met je bot tabblad en Trainen knop.

Tabblad NLU-gegevens

Hier voert u trainingsgegevens voor de gebruiker in. De trainingsgegevens hier zijn voorbeeldberichten die de gebruiker mogelijk naar de chatbot zou kunnen sturen. Dit komt overeen met de nlu.yml bestand op uw lokale systeem. Wanneer u een nieuw bericht invoert, moet u ook het aandachtig, helpt dit de chatbot te voorspellen wat de betekenis achter het bericht van een gebruiker is wanneer deze in de toekomst een soortgelijk bericht ontvangt.

In de afbeelding hierboven zie je dat ik een nieuw bericht heb ingevoerd 'Hallo' en ik classificeerde de bedoeling als 'begroeten'. Na het invullen van deze gegevens sla ik deze op. U kunt zoveel voorbeelden invoeren als u wilt, hoe meer hoe beter. U kunt ook nieuwe intenties maken.

Tabblad Reacties

Hier voert u voorbeeldantwoorden voor de chatbot in, dwz de berichten die de chatbot naar de gebruiker moet terugsturen wanneer deze een bericht ontvangt. Vergelijkbaar met de NLU-gegevens tabblad, wordt elke reactie gecategoriseerd op basis van intentie; Bijvoorbeeld, 'volslagen begroeting' omvat de reacties die de chatbot aan de gebruiker moet geven wanneer deze een bericht met intentie ontvangt 'begroeten'. U kunt nieuwe antwoorden invoeren door een antwoordcategorie te selecteren en op de plusknop te klikken. Wanneer u een nieuwe antwoordvariant invoert, drukt u gewoon op 'Opslaan'. U kunt ook nieuwe antwoordcategorieën aanmaken.

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

Tabblad Verhalen

Dit komt overeen met de verhalen.yml bestand in uw lokale bestandsdirectory. Hier breng je de gegevens van de twee voorgaande tabbladen samen. Hier creëer je in feite een verhaallijn of een plot, waarbij de chatbot, afhankelijk van de intentie van het bericht dat door de gebruiker wordt verzonden, een passend antwoord moet geven. Dit helpt de chatbot te leren wat hij in verschillende scenario's moet doen. Bijvoorbeeld als de chatbot een bericht ontvangt met intentie 'begroeten' het moet reageren door een begroeting terug te sturen naar de gebruiker via de actie 'volslagen begroeting.

Je moet zoveel mogelijk verhalen maken. Je zou een gelukkig pad/verhaallijn moeten hebben, dwz waar de dingen gaan zoals gepland. Je moet ook een droevig pad/verhaallijn hebben die de uitzonderingen afhandelt. U kunt een nieuw verhaal maken door op de plusknop te klikken.

Trein knop

Wanneer u klaar bent met het invoeren van al uw nieuwe gegevens in de NLU-gegevens, Reacties en Blog tabblad, moet u op de Trainen knop, zal deze knop je chatbot opnieuw trainen en het nieuw gegenereerde model opslaan in de Modellen tabblad. Het mooie van Rasa X is dat wanneer je je chatbot traint, alle nieuwe gegevens die je hebt ingevoerd ook worden ingevoerd en lokaal worden opgeslagen in de bijbehorende bestanden op je lokale systeem.

tabblad Modellen

Hier kunt u al uw gegenereerde modellen vinden. Het meest actuele model staat altijd bovenaan. U kunt dit model activeren door op het pijltje omhoog te klikken.

Chat met je bot-tabblad

Nadat u het nieuwe model heeft geactiveerd, kunt u het uitproberen in de Chat met je bot tabblad. Zoals je in de onderstaande afbeelding kunt zien, is het antwoord dat de bot gaf het nieuwe antwoord dat ik eerder heb ingevoerd.

Daar heb je het! Dit is hoe je nieuwe gegevens invoert, je chatbot traint en test met behulp van Rasa X. In het volgende deel van deze serie zal ik het hebben over hoe je je chatbot inzet op een live server Heroku met behulp van Docker, en ook hoe je met deze bot communiceert via een chatwidget op uw website. Blijf kijken!!

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

Jouw kleine bijdrage zal me aanmoedigen om meer van dit soort content te maken.

Source: https://chatbotslife.com/creating-a-live-chatbot-for-your-website-part-2-modifying-training-and-testing-your-chatbot-5d5463a83873?source=rss—-a49517e4c30b—4