Opprette en chatbot for nettstedet ditt (del 1): Konfigurere Rasa chatbot lokalt på systemet ditt

Hallo! Dette er den første delen av en 3-delt serie som involverer å lage og distribuere en chatbot for din bedrift eller personlige nettside ved hjelp av Docker og Heroku. Konversasjons-AI-plattformen jeg ville brukt er Rasa. Rasa er et maskinlæringsrammeverk med åpen kildekode som hjelper deg med å lage chatboter; det tilfeldigvis også er min favoritt chatbot-plattform av flere grunner, for eksempel at den er åpen kildekode, mye brukt og godt dokumentert.

I dette innlegget vil jeg snakke om hvordan du setter opp Rasa lokalt på datamaskinen din. Selv om operativsystemet mitt er Windows, kan hele denne prosessen replikeres for alle systemer.

Forutsetning:

1. Last ned Anaconda Prompt fra her..
2. Last ned Microsoft byggeverktøy her..
3. Lag en katalog på systemet ditt der du ønsker å lagre Rasa-prosjektet ditt.

Når alt dette er gjort, åpner du Anaconda prompt søknad og 'cd' inn i katalogen du opprettet, min heter 'Rasa Project'.

Kjør deretter følgende kommandoer i Anaconda-prompt:

1. Lag et virtuelt miljø ved å bruke kommandoen nedenfor.

conda create -n rasavirtualenv python=3.6

2. Aktiver miljøet ditt ved å bruke kommandoen

conda aktivere rasavirtualenv

3. Installer Ujson

conda installer ujson==1.35

4. Installer Tensorflow

conda installerer tensorflow

5. Installer Rasa Open Source.

pip installer rasa

6. Opprett et nytt rasa-prosjekt i prosjektkatalogen

rasa init

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

Når du ser på den siste delen av skjermbildet ovenfor, når du blir bedt om å angi banen du ønsker å opprette prosjektet, skriv inn punkttegn (.), dette betyr at du ønsker å opprette et prosjekt i gjeldende katalog. Når du blir spurt om du vil trene modell, kan du enten velge 'y' eller 'n'.

Etter at kommandoen ovenfor er ferdig utført og det nye prosjektet er opprettet, vil du bli spurt om du vil snakke med chatbot i terminalen. Hvis du svarer ja, starter en dialog mellom deg og den nyopprettede chatboten.

Nå som prosjektet er opprettet, hvis du sjekker prosjektkatalogen din, vil du se at flere filer er lagt til den. Jeg vil raskt diskutere 3 filer som jeg føler du trenger for å forstå innholdet deres; filen domene.yml i hovedkatalogen, og filene nlu.yml og historier.yml i dato mappe.

De nlu.yml filen er der alle treningsdataene er lagret. Treningsdataene er eksempelmeldinger som brukere kan sende til din chatbot. I denne filen er meldingene kategorisert etter hensikt. Et utdrag fra filen kan ses nedenfor. Som du kan se, hensikt: hilse har flere eksempler, f.eks. 'hei', 'hei', 'hei' osv. Hensikt: farvel har eksempler 'bye', 'farvel', 'cu' osv.

nlu:
- hensikt: hilse
eksempler: |
- Hei
- Hallo
— hei
- Hei der
- god morgen
- god kveld
- Hei der
- la oss gå
– hei dude
- god morgen
- god kveld
- god ettermiddag
- Hei der- hensikt: farvel
eksempler: |
- god ettermiddag
— cu
- ha det bra
– vi ses senere
- god natt
- Ha det
- ha det
- ha en fin dag
– sees rundt
- ha det
- ser deg senere
— Adios

De domene.yml filen definerer omfanget av prosjektet. Den inneholder fremtredende informasjon om prosjektet ditt, for eksempel intensjoner, enheter, spor, handlinger, og spesielt prøven rsvar som boten skal sende tilbake til brukeren når den mottar en melding. Lik nlu.yml, bot-svar er kategorisert etter hensikt. For eksempel svar: utter_greet sendes når boten ønsker å sende tilbake en hilsen til brukeren. Dette vises i kodesegmentet nedenfor.

hensikter:
- hilse på:
use_entities: sant
- ha det:
use_entities: sant
- bekrefte:
use_entities: sant
- nekte:
use_entities: sant
- mood_great:
use_entities: sant
- humørulykkelig:
use_entities: sant
- bot_challenge:
use_entities: santenheter: []
spilleautomater: {}responser:
utter_greet:
— tekst: Hei! Hvordan har du det?
— tekst: Hei! Hvordan har du det i dag?
utter_cheer_up:
- bilde: https://i.imgur.com/nGF1K8f.jpg
tekst: 'Her er noe å muntre deg opp:'
utter_did_that_help:
— tekst: Hjalp det deg?
helt_lykkelig:
— tekst: Flott, fortsett!
utter_farvel:
— tekst: Ha det
utter_iamabot:
— tekst: Jeg er en bot, drevet av Rasa.handlinger: []
skjemaer: {}
e2e_actions: []

De historier.yml fil bringer brukerens meldinger og bot-svar sammen. Det skaper en historie eller et plott av flere interaksjoner som kan oppstå mellom boten og brukeren. Den spesifiserer hvilket svar chatboten skal gi basert på intensjonen til meldingen sendt av brukeren. Dette hjelper til med å lære chatboten hva den skal gjøre i forskjellige scenarier. For eksempel, se på kodesegmentet nedenfor, hvis chatboten mottar en melding med hensikt 'hilse på', den må utføre handlingen som sender svaret 'utter_hilsen' tilbake til brukeren.

historier:- historie: lykkelig sti
trinn:
— hensikt: hilse
— handling: utter_greet
— hensikt: humør_stor
— handling: utter_happy

På dette tidspunktet er chatboten din bare i stand til å håndtere veldig grunnleggende og generiske samtaler. For å passe dine personlige eller forretningsmessige behov må du gjøre noen endringer i standard chatbot. Du kan gjøre dette ved å endre innholdet i nlu.yml, story.yml, domene.yml filer nevnt ovenfor ved hjelp av et tekstredigeringsprogram. Den beste måten å gjøre disse endringene på er imidlertid gjennom plattformen Rasa X.

I neste del av denne tredelte serien vil jeg snakke om hvordan du kan modifisere, trene og teste chatboten din ved å bruke Rasa X. Du kan finne innlegget her.!

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

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

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