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:
- ดาวน์โหลด Anaconda Prompt จาก โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.
- ดาวน์โหลดเครื่องมือสร้างของ Microsoft โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม.
- สร้างไดเร็กทอรีบนระบบของคุณที่คุณต้องการจัดเก็บโครงการ Rasa ของคุณ
เมื่อทำเสร็จแล้วให้เปิด งู รวดเร็ว ใบสมัครและ 'ซีดี' ในไดเร็กทอรีที่คุณสร้าง ของฉันชื่อ 'Rasa Project'
จากนั้นรันคำสั่งต่อไปนี้ใน Anaconda Prompt:
- 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
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
- การกระทำ
- ยืนยันความคิด
- AI
- ทั้งหมด
- การใช้งาน
- ที่ดีที่สุด
- ธ ปท
- สร้าง
- ธุรกิจ
- ซื้อ
- EEC
- chatbot
- แพลตฟอร์ม Chatbot
- chatbots
- รหัส
- เนื้อหา
- การสนทนา
- การสร้าง
- ปัจจุบัน
- CZ
- ข้อมูล
- DID
- นักเทียบท่า
- บรรณาธิการ
- สิ่งแวดล้อม
- ฯลฯ
- EU
- EV
- EY
- ชื่อจริง
- พอดี
- กรอบ
- GitHub
- ดี
- ยิ่งใหญ่
- GV
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HP
- hr
- HTTPS
- ia
- ภาพ
- ข้อมูล
- ความตั้งใจ
- IP
- IT
- Kx
- การเรียนรู้
- LG
- ในท้องถิ่น
- LP
- เรียนรู้เครื่อง
- กลาง
- ไมโครซอฟท์
- แบบ
- NLP
- เปิด
- โอเพนซอร์ส
- ใบสั่ง
- เวที
- โครงการ
- รสา
- การอ่าน
- เหตุผล
- รายงาน
- คำตอบ
- วิ่ง
- วิ่ง
- จอภาพ
- ชุด
- การตั้งค่า
- จัดเก็บ
- ระบบ
- การพูดคุย
- ทดสอบ
- การฝึกอบรม
- แนวโน้ม
- ผู้ใช้
- เสมือน
- Website
- หน้าต่าง
- X