Tworzenie chatbota dla swojej witryny internetowej (część 1): Lokalne konfigurowanie chatbota Rasa w systemie

Witaj! To pierwsza część trzyczęściowej serii obejmującej tworzenie i wdrażanie chatbot dla Twojej biznesowej lub osobistej strony internetowej za pomocą Dockera i Heroku. Konwersacyjna platforma sztucznej inteligencji, której bym używał, to Rasa. Rasa to platforma uczenia maszynowego typu open source, która pomaga tworzyć chatboty; tak się składa, że ​​jest to również moja ulubiona platforma chatbotów z kilku powodów, na przykład jest open source, szeroko stosowana i dobrze udokumentowana.

W tym poście będę mówić o tym, jak skonfigurować Rasa lokalnie na twoim komputerze. Chociaż moim systemem operacyjnym jest Windows, cały ten proces można replikować dla dowolnego systemu.

Warunek wstępny:

1. Pobierz Anaconda Prompt z tutaj.
2. Pobierz narzędzia do kompilacji firmy Microsoft tutaj.
3. Utwórz katalog w swoim systemie, w którym chciałbyś przechowywać projekt Rasa.

Po wykonaniu tego wszystkiego otwórz plik anakonda Skłonić aplikacja i 'Płyta CD' do utworzonego katalogu, mój nazywa się „Projekt Rasa”.

Następnie uruchom następujące polecenia w wierszu polecenia Anaconda:

1. Utwórz środowisko wirtualne za pomocą poniższego polecenia.

conda create -n rasavirtualenv python = 3.6

2. Aktywuj środowisko za pomocą polecenia

conda aktywować rasavirtualenv

3. Zainstaluj Ujson

conda install ujson == 1.35

4. Zainstaluj Tensorflow

conda zainstaluj tensorflow

5. Zainstaluj Rasa Open Source.

pip zainstaluj rasa

6. Utwórz nowy projekt rasa w katalogu swojego projektu

początek rasy

1. Raport trendów Chatbota 2021

2. 4 zalecenia i 3 czego nie wolno ćwiczyć w modelu NLP chatbota

3. Bot Concierge: Obsługuj wiele Chatbotów z jednego ekranu czatu

4. System ekspercki: konwersacyjne AI kontra chatboty

Patrząc na ostatnią część powyższego ekranu, gdy zostaniesz poproszony o podanie ścieżki, którą chcesz utworzyć projekt, wprowadź znak kropki (.), Oznacza to, że chcesz utworzyć projekt w bieżącym katalogu. Na pytanie, czy chcesz trenować model, możesz wybrać „y” lub „n”.

Po zakończeniu wykonywania powyższego polecenia i utworzeniu nowego projektu zostaniesz zapytany, czy chcesz porozmawiać z chatbot w terminalu. Jeśli odpowiesz tak, rozpocznie się dialog między tobą a nowo utworzonym chatbotem.

Po utworzeniu projektu, jeśli sprawdzisz katalog projektu, zobaczysz, że dodano do niego kilka plików. Szybko omówię 3 pliki, które moim zdaniem powinny być zrozumiałe; plik domena.yml w głównym katalogu i pliki nlu.yml i opowieści.yml dane teczka.

Połączenia nlu.yml plik to miejsce, w którym przechowywane są wszystkie dane treningowe. Dane szkoleniowe to przykładowe wiadomości, które użytkownicy mogą wysyłać na Twój adres chatbot. W tym pliku wiadomości są klasyfikowane według intencji. Fragment pliku można zobaczyć poniżej. Jak widzisz, intencja: pozdrawiam ma kilka przykładów, np. „cześć”, „cześć”, „hej” itp. Intencja: do widzenia zawiera przykłady „do widzenia”, „do widzenia”, „cu” itp.

nie:
- zamiar: pozdrawiam
przykłady: |
- Hej
- cześć
- cześć
- witam
- dzień dobry
- dobry wieczór
- No hej
- chodźmy
- hej stary
- dzień dobry
- dobry wieczór
- dzień dobry
- Cześć- zamiar: pożegnanie
przykłady: |
- dzień dobry
- cu
- do widzenia
- do zobaczenia później
- dobranoc
- PA
- do widzenia
- miłego dnia
- na razie
- PA pa
- do zobaczenia później
- Adios

Połączenia domena.yml plik definiuje zakres twojego projektu. Zawiera istotne informacje o Twoim projekcie, takie jak intencje, encje, przedziały czasowe, akcje, a zwłaszcza przykładowe rodpowiedzi że bot powinien odesłać do użytkownika, gdy otrzyma wiadomość. Podobny do nlu.yml, odpowiedzi bota są kategoryzowane według zamiaru. Na przykład odpowiedź: utter_greet jest wysyłany za każdym razem, gdy bot chce odesłać powitanie do użytkownika. Jest to pokazane w segmencie kodu poniżej.

zamiary:
- powitać:
use_entities: prawda
- do widzenia:
use_entities: prawda
- potwierdzać:
use_entities: prawda
- zaprzeczyć:
use_entities: prawda
- nastrój_świetny:
use_entities: prawda
- nastrój_nieszczęśliwy:
use_entities: prawda
- bot_challenge:
use_entities: prawdapodmioty: []
sloty: {}odpowiedzi:
całkowite pozdrowienie:
- tekst: Hej! Jak się masz?
- tekst: Cześć! Jak się masz dzisiaj?
zupełne pocieszenie:
- wizerunek: https://i.imgur.com/nGF1K8f.jpg
tekst: 'Oto coś, co cię rozweseli:'
utter_did_that_help:
- tekst: Czy to ci pomogło?
całkowicie_szczęśliwy:
- tekst: Świetnie, kontynuuj!
utter_do widzenia:
- tekst: Cześć
całkowity_iamabot:
- tekst: Jestem botem zasilanym przez Rasa.działania: []
formularze: {}
e2e_actions: []

Połączenia opowieści.yml filet łączy wiadomości użytkownika i odpowiedzi bota. Tworzy fabułę lub fabułę kilku interakcji, które mogą wystąpić między botem a użytkownikiem. Określa, jaką odpowiedź powinien udzielić chatbot w oparciu o intencję wiadomości wysłanej przez użytkownika. Pomaga to nauczyć chatbota, co robić w różnych sytuacjach. Na przykład, patrząc na segment kodu poniżej, jeśli chatbot otrzyma wiadomość z intencją 'powitać', musi wykonać czynność, która wysyła odpowiedź ”pozdrawiam'z powrotem do użytkownika.

historie:- historia: szczęśliwa ścieżka
kroki:
- zamiar: pozdrawiam
- akcja: utter_greet
- intent: mood_great
- akcja: utter_happy

W tym momencie twój chatbot jest w stanie obsłużyć tylko bardzo podstawową i ogólną konwersację. Aby dopasować się do Twoich osobistych lub biznesowych potrzeb, musisz wprowadzić pewne zmiany w domyślnym chatbocie. Możesz to zrobić, modyfikując zawartość pliku nlu.yml, historia.yml, domena.yml pliki wymienione powyżej za pomocą edytora tekstu. Jednak najlepszym sposobem wprowadzenia tych zmian jest skorzystanie z platformy Rasa X.

W następnej części tej trzyczęściowej serii będę mówił o tym, jak modyfikować, trenować i testować swojego chatbota za pomocą Rasa X. Możesz znaleźć wpis tutaj!

Jeśli podoba Ci się ten post, HIT Kup mi kawę! Dziękuje za przeczytanie.

Twój wkład zachęci mnie do tworzenia większej ilości takich treści.

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