การสร้าง chatbot สำหรับเว็บไซต์ของคุณ (ตอนที่ 1): การตั้งค่า Rasa chatbot ในระบบของคุณ

สวัสดี! นี่เป็นส่วนแรกของชุดข้อมูล 3 ส่วนที่เกี่ยวข้องกับการสร้างและใช้งานa chatbot สำหรับธุรกิจหรือเว็บไซต์ส่วนตัวของคุณโดยใช้ Docker และ Heroku แพลตฟอร์ม AI การสนทนาที่ฉันจะใช้คือ รสา. Rasa เป็นเฟรมเวิร์กแมชชีนเลิร์นนิงแบบโอเพนซอร์สที่ช่วยคุณสร้างแชทบอท นอกจากนี้ยังเป็นแพลตฟอร์มแชทบอทที่ฉันโปรดปรานด้วยเหตุผลหลายประการ เช่น เป็นโอเพนซอร์ส ใช้กันอย่างแพร่หลาย และจัดทำเป็นเอกสารอย่างดี

ในบทความนี้ ผมจะพูดถึงวิธีตั้งค่า Rasa ในเครื่องคอมพิวเตอร์ของคุณ แม้ว่าระบบปฏิบัติการของฉันคือ Windows แต่กระบวนการทั้งหมดนี้สามารถทำซ้ำได้สำหรับระบบใดๆ

วิชาบังคับก่อน:

1. ดาวน์โหลด Anaconda Prompt จาก โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.
2. ดาวน์โหลดเครื่องมือสร้างของ Microsoft โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.
3. สร้างไดเร็กทอรีบนระบบของคุณที่คุณต้องการจัดเก็บโครงการ Rasa ของคุณ

เมื่อทำเสร็จแล้วให้เปิด งู รวดเร็ว ใบสมัครและ 'ซีดี' ในไดเร็กทอรีที่คุณสร้าง ของฉันชื่อ 'Rasa Project'

จากนั้นรันคำสั่งต่อไปนี้ใน Anaconda Prompt:

1. สร้างสภาพแวดล้อมเสมือนโดยใช้คำสั่งด้านล่าง

conda สร้าง -n rasavirtualenv python=3.6

2. เปิดใช้งานสภาพแวดล้อมของคุณโดยใช้คำสั่ง

conda เปิดใช้งาน rasavirtualenv

3. ติดตั้ง Ujson

conda ติดตั้ง ujson==1.35

4. ติดตั้งเทนเซอร์โฟลว์

conda ติดตั้งเทนเซอร์โฟลว์

5. ติดตั้ง Rasa โอเพ่นซอร์ส

pip ติดตั้ง รสา

6. สร้างโครงการ รสา ใหม่ในไดเรกทอรีโครงการของคุณ

รสา อินิต

1. รายงานแนวโน้มของ Chatbot ปี 2021

2. 4 สิ่งที่ควรทำและ 3 สิ่งที่ไม่ควรทำสำหรับการฝึกอบรม Chatbot NLP Model

3. Concierge Bot: จัดการ Chatbots หลายรายการจากหน้าจอแชทเดียว

4. ระบบผู้เชี่ยวชาญ: สนทนา AI กับแชทบอท

ดูที่ส่วนสุดท้ายของหน้าจอด้านบน เมื่อระบบขอให้ป้อนเส้นทางที่คุณต้องการสร้างโครงการ ให้ป้อนเครื่องหมายจุด (.) ซึ่งหมายความว่าคุณต้องการสร้างโครงการในไดเรกทอรีปัจจุบัน เมื่อถูกถามว่าคุณต้องการฝึกโมเดลหรือไม่ คุณสามารถเลือก 'y' หรือ 'n'

หลังจากคำสั่งด้านบนเสร็จสิ้นการทำงานและสร้างโปรเจ็กต์ใหม่แล้ว ระบบจะถามคุณว่าต้องการคุยกับ chatbot ในเทอร์มินัล หากคุณตอบว่าใช่ การสนทนาจะเริ่มขึ้นระหว่างคุณกับแชทบอทที่สร้างขึ้นใหม่

เมื่อสร้างโปรเจ็กต์แล้ว หากคุณตรวจสอบไดเร็กทอรีโปรเจ็กต์ของคุณ คุณจะเห็นว่ามีการเพิ่มไฟล์หลายไฟล์เข้าไป ฉันจะพูดถึงไฟล์ 3 ไฟล์ที่รู้สึกว่าคุณต้องเข้าใจเนื้อหาอย่างรวดเร็ว ไฟล์ โดเมน.yml ในไดเร็กทอรีหลักและไฟล์ nlu.yml และ เรื่อง.yml ใน ข้อมูล โฟลเดอร์

พื้นที่ nlu.yml file คือที่เก็บข้อมูลการฝึกอบรมทั้งหมด ข้อมูลการฝึกอบรมคือข้อความตัวอย่างที่ผู้ใช้สามารถส่งไปยัง chatbot. ในไฟล์นี้ ข้อความจะถูกจัดหมวดหมู่ตามเจตนา ข้อความที่ตัดตอนมาจากไฟล์สามารถดูได้ด้านล่าง อย่างที่เห็น, เจตนา : ทักทาย มีหลายตัวอย่างเช่น 'hi', 'hello', 'hey' เป็นต้น ความตั้งใจ: ลาก่อน มีตัวอย่าง 'ลาก่อน' 'ลาก่อน' 'cu' เป็นต้น

ไม่มี:
- เจตนา: ทักทาย
ตัวอย่าง: |
— เฮ้
- สวัสดี
— สวัสดี
- สวัสดี
— สวัสดีตอนเช้า
- สวัสดีตอนเย็น
- สวัสดี
- ไปกันเถอะ
- ไงเพื่อน
— อรุณสวัสดิ์
- สวัสดีตอนเย็น
- สวัสดีตอนบ่าย
- สวัสดี- เจตนา: ลาก่อน
ตัวอย่าง: |
- สวัสดีตอนบ่าย
— คิว
- ที่ดีโดย
— แล้วพบกันใหม่
- ราตรีสวัสดิ์
- บาย
— ลาก่อน
— ขอให้เป็นวันที่ดี
— แล้วพบกันใหม่
- ลาก่อน
— แล้วพบกันใหม่
— อาดิออส

พื้นที่ โดเมน.yml file กำหนดขอบเขตของโครงการของคุณ ประกอบด้วยข้อมูลสำคัญเกี่ยวกับโครงการของคุณ เช่น เจตนา เอนทิตี ช่อง การดำเนินการ และโดยเฉพาะอย่างยิ่ง ตัวอย่าง rสปอนเซอร์ ที่บอทควรส่งกลับไปยังผู้ใช้เมื่อได้รับข้อความ คล้ายกับ nlu.ymlการตอบสนองของบอทจะถูกจัดหมวดหมู่ตามเจตนา ตัวอย่างเช่น ตอบกลับ: utter_greet จะถูกส่งเมื่อใดก็ตามที่บอทต้องการส่งคำทักทายกลับผู้ใช้. ซึ่งแสดงในส่วนรหัสด้านล่าง

ความตั้งใจ:
- ทักทาย:
use_entities: จริง
- ลาก่อน:
use_entities: จริง
- ยืนยัน:
use_entities: จริง
- ปฏิเสธ:
use_entities: จริง
- Mood_great:
use_entities: จริง
- อารมณ์ไม่มีความสุข:
use_entities: จริง
- bot_challenge:
use_entities: จริงหน่วยงาน: []
ช่อง: {}คำตอบ:
utt_greet:
— ข้อความ: เฮ้! คุณเป็นอย่างไร?
— ข้อความ: สวัสดี! วันนี้สบายดีไหม?
utter_cheer_up:
- ภาพ: https://i.imgur.com/nGF1K8f.jpg
ข้อความ: 'นี่คือสิ่งที่จะเป็นกำลังใจให้คุณ:'
utter_did_that_help:
— ข้อความ: นั่นช่วยคุณได้ไหม?
utt_happy:
— ข้อความ: เยี่ยมไปเลย!
utt_ลาก่อน:
— ข้อความ: ลาก่อน
utt_iambot:
— ข้อความ: ฉันเป็นบอท ขับเคลื่อนโดย รสาการกระทำ: []
แบบฟอร์ม: {}
e2e_actions: []

พื้นที่ เรื่อง.yml ไฟล์ นำข้อความของผู้ใช้และการตอบกลับของบอทมาไว้ด้วยกัน มันสร้างโครงเรื่องหรือพล็อตของการโต้ตอบหลายอย่างที่อาจเกิดขึ้นระหว่างบอทกับผู้ใช้ ระบุการตอบสนองที่แชทบอทควรให้ตามเจตนาของข้อความที่ส่งโดยผู้ใช้ สิ่งนี้ช่วยสอน Chatbot ว่าต้องทำอะไรในสถานการณ์ต่างๆ ตัวอย่างเช่น การดูส่วนโค้ดด้านล่าง หากแชทบอทได้รับข้อความโดยเจตนา 'ทักทาย', มันต้องดำเนินการที่ส่งการตอบสนอง 'utter_greet' กลับไปที่ผู้ใช้

เรื่อง:- เรื่อง: เส้นทางสุข
ขั้นตอน
— เจตนา: ทักทาย
— การกระทำ: utter_greet
— เจตนา: mood_great
— การกระทำ: utter_happy

ณ จุดนี้ chatbot ของคุณสามารถจัดการการสนทนาพื้นฐานและทั่วไปเท่านั้น เพื่อให้เหมาะสมกับความต้องการส่วนบุคคลหรือธุรกิจของคุณ คุณต้องทำการเปลี่ยนแปลงบางอย่างในแชทบอทเริ่มต้น คุณสามารถทำได้โดยแก้ไขเนื้อหาของ nlu.yml, story.yml, โดเมน.yml ไฟล์ที่กล่าวถึงข้างต้นโดยใช้โปรแกรมแก้ไขข้อความ อย่างไรก็ตาม วิธีที่ดีที่สุดในการเปลี่ยนแปลงเหล่านี้คือผ่านแพลตฟอร์ม รสา X.

ในตอนต่อไปของซีรีส์สามตอนนี้ ฉันจะพูดถึงวิธีแก้ไข ฝึกฝน และทดสอบแชทบอทของคุณโดยใช้ Rasa X คุณสามารถหาโพสต์ได้ โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม!

ถ้าคุณชอบโพสต์นี้ HIT Buy me a coffee! ขอบคุณที่อ่าน.

ผลงานของคุณจะกระตุ้นให้ฉันสร้างเนื้อหาแบบนี้มากขึ้น

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