Hoe u uw eigen chatbot kunt bouwen

We beginnen met het maken van een bestand dat we zullen gebruiken om het model te downloaden. Om ons te helpen, gebruiken we Knuffelgezicht, een Python-bibliotheek die verschillende NLP-modellen van hoge kwaliteit biedt.

Vervolgens maken we een Python-klasse die we zullen gebruiken om de logica af te handelen van het converteren van onze Engelse tekst naar het maken van onze woordtokens die we zullen gebruiken als invoer voor ons model.

Wij bouwen dan een Flacon API met twee eindpunten, één om te controleren of de dienst werkt en één om te integreren met onze chatbot.

Ten slotte genereren we een Dockerfile die tijdens de bouw het chatmodel vooraf downloadt, zodat wanneer we een verzoek naar onze API sturen, deze snel kan reageren, in plaats van het model elke keer opnieuw te laden. Dit zal de prestaties van onze bot drastisch verbeteren. Om de API te hosten gebruiken we gunicorn als onze wsgi-server zonder extra webserverframework.

De stappen vanaf het uitvoeren van uw model op uw lokale machine tot het in productie laten draaien, kunnen ontmoedigend lijken. Verschillende diensten hebben deze stap de afgelopen jaren echter een stuk eenvoudiger gedaan.

Wij gaan mee werken google cloudrun voor dit project. Het 'serverloze' platform van Google, ik hou niet van het woord serverloos, omdat er natuurlijk een server moet zijn die de code uitvoert, maar het is serverloos in de zin dat er geen klantgegevens van sessie naar een andere sessie worden opgeslagen en dat we krijgen elke server die op een bepaald moment beschikbaar is.

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

Source: https://chatbotslife.com/how-to-build-your-own-chatbot-f5848ebcba8d?source=rss—-a49517e4c30b—4