Opprette en live chatbot for nettstedet ditt (del 2): ​​Endre, trene og teste chatbot ...

Hallo! Velkommen til den andre delen av en 3-delt serie som involverer å lage og distribuere en chatbot for din bedrift eller personlige nettside ved hjelp av Rasa, Docker og Heroku. I Første del, snakket jeg om å sette opp chatboten lokalt på systemet ditt og gjøre endringer i det ved hjelp av et tekstredigeringsprogram. I denne andre delen vil jeg snakke om hvordan du gjør endringer i chatboten din ved å bruke plattformen Rasa X. Jeg vil lære deg hvordan du legger til nye data, trener opp boten din og bruker den nygenererte modellen til å snakke med chatboten din, gjennomgående Rasa X.

Rasa X er et verktøy for samtaledrevet utvikling (CDD) som hjelper deg med å forbedre chatboten din. Rasa X gir deg et brukergrensesnitt for å samhandle med boten din. Med Rasa X kan du chatte med din lokale chatbot som sluttbruker, du kan også legge inn nye data og omskolere chatboten din.

For å installere Rasa X, gjør følgende:

1. Åpne Anaconda-ledeteksten og cd inn i din Rasa-prosjektkatalog (opprettet i første del av denne serien).

2. Aktiver det virtuelle miljøet du opprettet i siste del av denne serien.

conda aktivere rasavirtualenv

3. Installer Rasa X ved å kjøre kommandoen nedenfor

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

Du må kanskje nedgradere pip hvis installasjonen tar for lang tid

pip-installasjon — oppgrader pip==20.2

Når Rasa X har blitt installert, kjør kommandoen nedenfor

rasa X

Denne kommandoen vil dukke opp et brukergrensesnitt i nettleseren din. I dette brukergrensesnittet kommer du til å se flere faner. I denne opplæringen vil jeg fokusere på Nlu data, Svar, Stories, Modeller, snakk med boten din fane, og Tog knapp.

Fanen NLU Data

Her legger du inn treningsdata for brukeren. Treningsdataene her er eksempelmeldinger som brukeren potensielt kan sende til chatboten. Dette tilsvarer nlu.yml fil på ditt lokale system. Når du skriver inn en ny melding, må du også klassifisere hensikt, hjelper dette chatboten å forutsi hva meningen bak en brukers melding er når den mottar en lignende melding i fremtiden.

På bildet over kan du se at jeg skrev inn en ny melding "Hola" og jeg klassifiserte intensjonen som 'hilser’. Etter å ha lagt inn denne informasjonen, vil jeg lagre den. Du kan legge inn så mange eksempler du vil, jo flere jo bedre. Du kan også opprette nye intensjoner.

Svar-fanen

Det er her du skriver inn eksempelsvar for chatboten, dvs. meldingene chatboten skal sende tilbake til brukeren når den mottar en melding. Ligner på NLU-data kategorien, er hvert svar kategorisert i henhold til intensjonen; for eksempel, 'utter_hilsen’ omfatter svarene chatboten skal gi til brukeren når den mottar en melding med hensikt 'hilse på'. Du kan legge inn nye svar ved å velge en svarkategori og klikke på plussknappen. Når du legger inn en ny svarvariant, trykker du ganske enkelt 'Lagre'. Du kan også opprette nye svarkategorier.

1. Chatbot-trendrapport 2021

2. 4 DO og 3 IKKE for å trene en Chatbot NLP-modell

3. Concierge Bot: Håndter flere chatbots fra en chat-skjerm

4. Et ekspertsystem: Conversational AI Vs Chatbots

Kategorien Historier

Dette tilsvarer historier.yml filen i din lokale filkatalog. Det er her du samler dataene fra de to forrige fanene. Her lager du i utgangspunktet en historie eller et plot, der chatboten må gi et passende svar, avhengig av intensjonen med meldingen som sendes av brukeren. Dette hjelper til med å lære chatboten hva den skal gjøre i forskjellige scenarier. For eksempel hvis chatboten mottar en melding med hensikt 'hilse på' den må svare ved å sende en hilsen tilbake til brukeren gjennom handlingen 'utter_hilsen'.

Du må lage så mange historier som mulig. Du bør ha en lykkelig sti/historie, dvs. hvor ting går som planlagt. Du må også ha en trist sti/historie som håndterer unntakene. Du kan lage en ny historie ved å klikke på plussknappen.

Togknapp

Når du er ferdig med å legge inn alle dine nye data i NLU-data, Svar og Stories fanen, må du trykke på Tog knappen, vil denne knappen trene chatboten din på nytt og lagre den nylig genererte modellen i Modeller fanen. Det fine med Rasa X er at når du trener chatboten din, blir alle de nye dataene du skrev inn også lagt inn og lagret lokalt i de tilsvarende filene på ditt lokale system.

Modeller-fanen

Her kan du finne alle dine genererte modeller. Den mest aktuelle modellen er alltid den øverst. Du kan aktivere denne modellen ved å klikke på pil opp.

Chat med bot-fanen

Når du har aktivert den nye modellen, kan du teste den ut i Chat med boten din fanen. Som du kan se på bildet nedenfor, er svaret boten ga det nye svaret jeg skrev inn tidligere.

Der har du det! Dette er hvordan du legger inn nye data, trener og tester chatboten din ved hjelp av Rasa X. I neste del av denne serien vil jeg snakke om hvordan du distribuerer chatboten din på en live server Heroku ved hjelp av Docker, og også hvordan du kommuniserer med denne boten gjennom en chat-widget på nettstedet ditt. Følg med!!

Hvis du liker dette innlegget, HIT Kjøp meg en kaffe! Takk for at du leste.

Ditt lille bidrag vil oppmuntre meg til å lage mer innhold som dette.

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