Criando um chatbot para seu site (Parte 1): Configurando o chatbot Rasa localmente em seu sistema

Olá! Esta é a primeira parte de uma série de 3 partes envolvendo a criação e implantação de um chatbot para seu negócio ou site pessoal usando Docker e Heroku. A plataforma de IA de conversação que eu usaria é Rasa. Rasa é uma estrutura de aprendizado de máquina de software livre que ajuda a criar chatbots; também acontece de ser minha plataforma de chatbot favorita por vários motivos, como ser de código aberto, amplamente utilizado e bem documentado.

Neste post, falarei sobre como configurar o Rasa localmente em seu computador. Embora meu SO seja o Windows, todo esse processo pode ser replicado para qualquer sistema.

Pré-requisito:

1. Baixe o Prompt do Anaconda em SUA PARTICIPAÇÃO FAZ A DIFERENÇA.
2. Baixe ferramentas de compilação da Microsoft SUA PARTICIPAÇÃO FAZ A DIFERENÇA.
3. Crie um diretório em seu sistema onde gostaria de armazenar seu projeto Rasa.

Depois de fazer tudo isso, abra o Jibóia Prompt aplicação e 'CD' no diretório que você criou, o meu se chama 'Projeto Rasa'.

Em seguida, execute os seguintes comandos no Prompt do Anaconda:

1. Crie um ambiente virtual usando o comando abaixo.

conda create -n rasavirtualenv python = 3.6

2. Ative seu ambiente usando o comando

conda ativar rasavirtualenv

3. Instale Ujson

conda install ujson == 1.35

4. Instale o Tensorflow

conda instalar tensorflow

5. Instale o Rasa Open Source.

pip instalar rasa

6. Crie um novo projeto rasa no diretório do seu projeto

inicialização rasa

1. Relatório de tendências do Chatbot 2021

2. 4 O que fazer e 3 o que não fazer para treinar um modelo de PNL do Chatbot

3. Concierge Bot: lida com vários chatbots a partir de uma tela de bate-papo

4. Um sistema especialista: Conversational AI Vs Chatbots

Olhando para a última parte da tela acima, quando solicitado a inserir o caminho que você gostaria de criar o projeto, insira o sinal de ponto (.), Isso significa que você gostaria de criar o projeto no diretório atual. Quando perguntado se você gostaria de treinar modelo, você pode escolher 'y' ou 'n'.

Depois que o comando acima terminar de ser executado e o novo projeto tiver sido criado, você será questionado se deseja falar com o chatbot no terminal. Se você responder sim, um diálogo começará entre você e o chatbot recém-criado.

Agora que o projeto foi criado, se você verificar o diretório do projeto, verá que vários arquivos foram adicionados a ele. Discutirei rapidamente três arquivos que sinto que você precisa para entender seu conteúdo; o arquivo domínio.yml no diretório principal, e os arquivos nlu.yml e histórias.yml no dados, pasta.

A nlu.yml arquivo é onde todos os dados de treinamento são armazenados. Os dados de treinamento são mensagens de amostra que os usuários podem enviar para o seu chatbot. Nesse arquivo, as mensagens são categorizadas de acordo com a intenção. Um trecho do arquivo pode ser visto a seguir. Como você pode ver, intenção: cumprimentar tem vários exemplos, por exemplo, 'hi', 'hello', 'hey' etc. Intenção: adeus tem exemplos 'tchau', 'adeus', 'cu' etc.

nlu:
- intenção: saudar
exemplos: |
- Ei
- Olá
- Oi
- Olá
- bom Dia
- boa noite
- ei
- vamos
- ei cara
- bom Dia
- boa noite
- boa tarde
- Olá- intenção: adeus
exemplos: |
- boa tarde
- cu
- bom por
- até mais tarde
- boa noite
- tchau
- adeus
- tenha um bom dia
- Vejo você por aí
- tchau tchau
- até logo
- Adios

A domínio.yml arquivo define o escopo do seu projeto. Ele contém informações importantes sobre o seu projeto, como intents, entidades, slots, ações e, mais especialmente, a amostra rrespostas que o bot deve enviar de volta ao usuário quando receber uma mensagem. Igual a nlu.yml, as respostas do bot são categorizadas de acordo com a intenção. Por exemplo, o resposta: utter_greet é enviado sempre que o bot deseja enviar uma saudação ao usuário. Isso é mostrado no segmento de código abaixo.

intenções:
- saudar:
use_entities: verdadeiro
- adeus:
use_entities: verdadeiro
- afirmar:
use_entities: verdadeiro
- negar:
use_entities: verdadeiro
- humor_ótimo:
use_entities: verdadeiro
- mood_infeliz:
use_entities: verdadeiro
-bot_challenge:
use_entities: verdadeiroentidades: []
vagas: {}respostas:
cumprimentar:
- texto: Ei! Como você está?
- texto: Olá! Como você está hoje?
express_cheer_up:
- imagem: https://i.imgur.com/nGF1K8f.jpg
texto: 'Aqui está algo para animá-lo:'
total_did_that_help:
- texto: Isso ajudou você?
super_feliz:
- texto: Ótimo, continue!
total_adeus:
- texto: Tchau
express_iamabot:
- texto: Eu sou um bot, desenvolvido por Rasa.ações: []
formulários: {}
e2e_actions: []

A histórias.yml lima reúne as mensagens do usuário e as respostas do bot. Ele cria um enredo ou um enredo das várias interações que podem ocorrer entre o bot e o usuário. Ele especifica qual resposta o chatbot deve dar com base na intenção da mensagem enviada pelo usuário. Isso ajuda a ensinar o chatbot o que fazer em diferentes cenários. Por exemplo, olhando para o segmento de código abaixo, se o chatbot recebe uma mensagem com a intenção 'saudar', tem que executar a ação que envia a resposta 'total_saudação'de volta para o usuário.

histórias:- história: caminho feliz
passos:
- intenção: saudar
- ação: utter_greet
- intent: mood_great
- ação: utter_happy

Neste ponto, seu chatbot só é capaz de lidar com conversas muito básicas e genéricas. Para atender às suas necessidades pessoais ou comerciais, você precisa fazer algumas alterações no chatbot padrão. Você pode fazer isso modificando o conteúdo do nlu.yml, história.yml, domínio.yml arquivos mencionados acima usando um editor de texto. No entanto, a melhor maneira de fazer essas mudanças é por meio da plataforma Rasa X.

Na próxima parte desta série de três partes, falarei sobre como modificar, treinar e testar seu chatbot usando Rasa X. Você pode encontrar a postagem SUA PARTICIPAÇÃO FAZ A DIFERENÇA!

Se você gostou desse post, HIT Buy me a coffee! Obrigado pela leitura.

Sua contribuição vai me encorajar a criar mais conteúdo como este.

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