Привет! Это первая часть из трех частей, посвященных созданию и развертыванию Chatbot для вашего бизнеса или личного сайта с помощью Docker и Heroku. Я бы использовал диалоговую платформу ИИ: Rasa. Rasa - это среда машинного обучения с открытым исходным кодом, которая помогает создавать чат-ботов; Это также моя любимая платформа для чат-ботов по нескольким причинам, например, потому что она имеет открытый исходный код, широко используется и хорошо документирована.
В этом посте я расскажу о том, как настроить Rasa локально на вашем компьютере. Хотя моя ОС - Windows, весь этот процесс можно воспроизвести для любой системы.
Необходимое условие:
- Загрузите Anaconda Prompt с здесь.
- Скачать инструменты сборки Microsoft здесь.
- Создайте в своей системе каталог, в котором вы хотите сохранить проект Rasa.
Как только все это будет сделано, откройте Анаконда Незамедлительный приложение и 'CD' в созданный вами каталог мой называется "Rasa Project".
Затем выполните следующие команды в Anaconda Prompt:
- Создайте виртуальную среду, используя команду ниже.
conda create -n rasavirtualenv python = 3.6
2. Активируйте свою среду с помощью команды
conda активировать rasavirtualenv
3. Установите Ujson
conda install ujson == 1.35
4. Установите Tensorflow.
conda установить tenorflow
5. Установите Rasa с открытым исходным кодом.
пип установить раса
6. Создайте новый проект rasa в каталоге вашего проекта.
раса иници
1. Отчет о тенденциях развития чат-ботов за 2021 год
2. 4 ДОПОЛНИТЕЛЬНЫХ и 3 НЕОБХОДИМЫХ ПРИМЕНЕНИЯ при обучении модели НЛП чат-бота
3. Консьерж-бот: управление несколькими чат-ботами с одного экрана чата.
Глядя на последнюю часть экрана выше, когда вас попросят ввести путь, по которому вы хотите создать проект, введите знак точки (.), Это означает, что вы хотите создать проект в текущем каталоге. Когда вас спросят, хотите ли вы обучить модель, вы можете выбрать «y» или «n».
После завершения выполнения указанной выше команды и создания нового проекта вас спросят, хотите ли вы поговорить с Chatbot в терминале. Если вы ответите утвердительно, между вами и только что созданным чат-ботом начнется диалог.
Теперь, когда проект создан, если вы проверите каталог своего проекта, вы увидите, что в него было добавлено несколько файлов. Я быстро расскажу о 3 файлах, которые, как мне кажется, вам нужны, чтобы понять их содержание; файл домен.yml в основном каталоге, а файлы nlu.yml и истории.yml в данным папку.
Ассоциация nlu.yml файл - это место, где хранятся все данные обучения. Данные обучения представляют собой образцы сообщений, которые пользователи могут отправлять на ваш Chatbot. В этом файле сообщения классифицируются в соответствии с намерениями. Отрывок из файла можно увидеть ниже. Как вы видете, намерение: приветствовать есть несколько примеров, например, «привет», «привет», «привет» и т. д. Намерение: до свидания есть примеры «до свидания», «до свидания», «cu» и т. д.
плу:
- намерение: приветствовать
примеры: |
- Привет
- Привет
- Привет
- Привет
- доброе утро
- Добрый вечер
- Привет
- Пойдем
- Привет чувак
- доброе утро
- Добрый вечер
- Добрый день
- Всем привет- намерение: до свидания
примеры: |
- Добрый день
- у.е.
- пока
- послушай позже
- доброй ночи
- до свидания
- до свидания
- хорошего дня
- Увидимся
- пока-пока
- до скорого
- Адиос
Ассоциация домен.yml file определяет объем вашего проекта. Он содержит важную информацию о вашем проекте, такую как намерения, сущности, слоты, действия и, особенно, образец rоткликается что бот должен отправить обратно пользователю, когда он получит сообщение. Похожий на nlu.yml, ответы ботов классифицируются по намерениям. Например, ответ: utter_greet отправляется всякий раз, когда бот хочет отправить пользователю приветствие. Это показано в сегменте кода ниже.
намерения:
- приветствовать:
use_entities: правда
- до свидания:
use_entities: правда
- подтвердить:
use_entities: правда
- отказываться от:
use_entities: правда
- настроение_отличное:
use_entities: правда
- настроение_недовольно:
use_entities: правда
- bot_challenge:
use_entities: правдасущности: []
слоты: {}ответы:
полное_приветствие:
- текст: Эй! Как поживаешь?
- текст: Привет! Как у тебя сегодня дела?
полное_приветствие:
- изображение: https://i.imgur.com/nGF1K8f.jpg
текст: "Вот что вас подбодрит:"
utter_did_that_help:
- текст: Это вам помогло?
полный_счастлив:
- текст: Отлично, продолжай!
полное_прощай:
- текст: Пока
полный_iamabot:
- текст: Я бот, работающий на Rasa.действия: []
формы: {}
e2e_actions: []
Ассоциация истории.yml файл объединяет сообщения пользователя и ответы ботов. Он создает сюжетную линию или сюжет нескольких взаимодействий, которые могут происходить между ботом и пользователем. Он определяет, какой ответ должен дать чат-бот в зависимости от цели сообщения, отправленного пользователем. Это помогает научить чат-бота действовать в различных сценариях. Например, если посмотреть на фрагмент кода ниже, если чат-бот получает сообщение с намерением 'приветствовать', он должен выполнить действие, которое отправляет ответ 'полный_приветствие'назад к пользователю.
истории:- история: счастливый путь
действия:
- намерение: приветствовать
- действие: utter_greet
- намерение: mood_great
- действие: utter_happy
На данный момент ваш чат-бот может вести только очень простой и общий разговор. Чтобы соответствовать вашим личным или деловым потребностям, вам необходимо внести некоторые изменения в чат-бота по умолчанию. Вы можете сделать это, изменив содержимое nlu.yml, история.yml, домен.yml файлы, упомянутые выше, с помощью текстового редактора. Однако лучший способ внести эти изменения - через платформу Раса Х.
В следующей части этой серии из трех частей я расскажу о том, как модифицировать, обучать и тестировать вашего чат-бота с помощью Rasa X. Вы можете найти эту публикацию здесь!
Если вам понравился этот пост, ХИТ Купи мне кофе! Спасибо за прочтение.
Ваш вклад побудит меня создавать больше подобного контента.
- Действие
- утверждать
- AI
- Все
- Применение
- ЛУЧШЕЕ
- Бот
- строить
- бизнес
- купить
- ЕЭС
- Chatbot
- Платформа чатбота
- chatbots
- код
- содержание
- Разговор
- Создающий
- Текущий
- CZ
- данным
- DID
- Docker
- редактор
- Окружающая среда
- и т.д
- EU
- EV
- EY
- Во-первых,
- соответствовать
- Рамки
- GitHub
- хорошо
- большой
- GV
- Как
- How To
- HP
- hr
- HTTPS
- ia
- изображение
- информация
- намерение
- IP
- IT
- Kx
- изучение
- LG
- в местном масштабе
- LP
- обучение с помощью машины
- средний
- Microsoft
- модель
- НЛП
- открытый
- с открытым исходным кодом
- заказ
- Платформа
- Проект
- раса
- Reading
- причины
- отчету
- ответ
- Run
- Бег
- экран
- Серии
- установка
- магазин
- система
- говорить
- тестXNUMX
- Обучение
- Тенденции
- пользователей
- Виртуальный
- Вебсайт
- окна
- X