สวัสดี! ยินดีต้อนรับสู่ส่วนที่สองของซีรีส์ 3 ส่วนที่เกี่ยวข้องกับการสร้างและปรับใช้แชทบอทสำหรับธุรกิจหรือเว็บไซต์ส่วนตัวของคุณโดยใช้ Rasa, Docker และ Heroku ใน ส่วนแรกฉันได้พูดเกี่ยวกับการตั้งค่าแชทบ็อตในระบบของคุณและทำการเปลี่ยนแปลงโดยใช้โปรแกรมแก้ไขข้อความ ในส่วนที่สองนี้ ฉันจะพูดถึงวิธีเปลี่ยนแปลงแชทบอทของคุณโดยใช้แพลตฟอร์ม Rasa X ฉันจะสอนวิธีเพิ่มข้อมูลใหม่ ฝึกบอทของคุณ และใช้โมเดลที่สร้างขึ้นใหม่เพื่อพูดคุยกับแชทบ็อตของคุณ รสา เอ็กซ์
รสา X เป็นเครื่องมือ Conversation-Driven Development (CDD) ที่ช่วยคุณปรับปรุงแชทบอทของคุณ Rasa X มีส่วนติดต่อผู้ใช้เพื่อให้คุณโต้ตอบกับบอทของคุณ ด้วย Rasa X คุณสามารถแชทกับแชทบ็อตในพื้นที่ของคุณในฐานะผู้ใช้ปลายทาง คุณยังสามารถป้อนข้อมูลใหม่และฝึกแชทบอทของคุณใหม่ได้อีกด้วย
ในการติดตั้ง Rasa X ให้ทำดังต่อไปนี้:
- เปิดพรอมต์ของ Anaconda และ cd ลงในไดเร็กทอรีโครงการ Rasa ของคุณ (สร้างขึ้นในส่วนแรกของชุดนี้)
2. เปิดใช้งานสภาพแวดล้อมเสมือนที่คุณสร้างขึ้นในส่วนสุดท้ายของชุดนี้
conda เปิดใช้งาน rasavirtualenv
3. ติดตั้ง Rasa X โดยเรียกใช้คำสั่งด้านล่าง
pip ติดตั้ง rasa-x — extra-index-url https://pypi.rasa.com/simple
คุณอาจต้องดาวน์เกรด pip หากการติดตั้งใช้เวลานานเกินไป
ติดตั้ง pip — อัพเกรด pip==20.2
เมื่อติดตั้ง Rasa X สำเร็จแล้ว ให้เรียกใช้คำสั่งด้านล่าง
รสา X
คำสั่งนี้จะแสดงส่วนต่อประสานผู้ใช้ในเบราว์เซอร์ของคุณ ในอินเทอร์เฟซผู้ใช้นี้ คุณจะเห็นแท็บหลายแท็บ ในบทช่วยสอนนี้ ฉันจะเน้นที่ ข้อมูล Nlu, คำตอบ, จำนวนชั้น, โมเดล คุยกับบอทของคุณ แท็บและ รถไฟ ปุ่ม
แท็บข้อมูล NLU
ที่นี่คุณป้อนข้อมูลการฝึกอบรมสำหรับผู้ใช้ ข้อมูลการฝึกอบรมที่นี่เป็นตัวอย่างข้อความที่ผู้ใช้อาจส่งไปยังแชทบ็อตได้ สิ่งนี้สอดคล้องกับ nlu.yml ไฟล์ในระบบท้องถิ่นของคุณ เมื่อคุณป้อนข้อความใหม่ คุณต้องจัดประเภท ความตั้งใจซึ่งจะช่วยให้แชทบอทคาดเดาความหมายเบื้องหลังข้อความของผู้ใช้เมื่อได้รับข้อความที่คล้ายกันในอนาคต
ในภาพด้านบนคุณจะเห็นว่าฉันป้อนข้อความใหม่ 'โฮลา' และฉันจำแนกเจตนาเป็น 'ทักทาย'. หลังจากป้อนข้อมูลนี้ฉันจะบันทึก คุณสามารถป้อนตัวอย่างได้มากเท่าที่คุณต้องการ ยิ่งดี คุณยังสามารถสร้างความตั้งใจใหม่ได้อีกด้วย
แท็บตอบกลับ
นี่คือที่ที่คุณป้อนตัวอย่างการตอบกลับสำหรับแชทบอท เช่น ข้อความที่แชทบอทควรส่งกลับไปยังผู้ใช้เมื่อได้รับข้อความใดๆ คล้ายกับ ข้อมูล NLU แท็บแต่ละคำตอบจะจัดหมวดหมู่ตามเจตนา ตัวอย่างเช่น, 'utter_greet' ครอบคลุมการตอบสนองที่แชทบอทควรให้แก่ผู้ใช้เมื่อได้รับข้อความโดยเจตนา 'ทักทาย'. คุณสามารถป้อนคำตอบใหม่โดยเลือกหมวดหมู่คำตอบแล้วคลิกปุ่มบวก เมื่อคุณป้อนตัวแปรตอบกลับใหม่ คุณเพียงแค่กด 'บันทึก'. คุณยังสามารถสร้างหมวดหมู่การตอบกลับใหม่ได้
1. รายงานแนวโน้มของ Chatbot ปี 2021
2. 4 สิ่งที่ควรทำและ 3 สิ่งที่ไม่ควรทำสำหรับการฝึกอบรม Chatbot NLP Model
3. Concierge Bot: จัดการ Chatbots หลายรายการจากหน้าจอแชทเดียว
แท็บเรื่องราว
สิ่งนี้สอดคล้องกับ เรื่อง.yml ไฟล์ในไดเร็กทอรีไฟล์ในเครื่องของคุณ นี่คือที่ที่คุณนำข้อมูลจากสองแท็บก่อนหน้ามารวมกัน โดยพื้นฐานแล้วคุณกำลังสร้างโครงเรื่องหรือโครงเรื่อง โดยขึ้นอยู่กับเจตนาของข้อความที่ส่งโดยผู้ใช้ Chatbot จะต้องให้การตอบสนองที่เหมาะสม สิ่งนี้ช่วยสอน Chatbot ว่าต้องทำอะไรในสถานการณ์ต่างๆ ตัวอย่างเช่น หากแชทบอทได้รับข้อความโดยเจตนา 'ทักทาย' จะต้องตอบกลับโดยการส่งคำทักทายกลับไปให้ผู้ใช้ผ่านการกระทำ 'utter_greet'
คุณต้องสร้างเรื่องราวให้ได้มากที่สุด คุณควรมีเส้นทาง/เรื่องราวที่มีความสุข เช่น ที่ซึ่งสิ่งต่างๆ เป็นไปตามแผนที่วางไว้ คุณต้องมีเส้นทาง/โครงเรื่องที่น่าเศร้าซึ่งจัดการกับข้อยกเว้น คุณสามารถสร้างเรื่องราวใหม่โดยคลิกที่ปุ่มบวก
ปุ่มรถไฟ
เมื่อคุณป้อนข้อมูลใหม่ทั้งหมดของคุณใน .เสร็จแล้ว ข้อมูล NLU, คำตอบ และ จำนวนชั้น แทป คุณต้องกด รถไฟ ปุ่ม ปุ่มนี้จะฝึกแชทบอทของคุณใหม่และบันทึกโมเดลที่สร้างขึ้นใหม่ใน Models แท็บ สิ่งที่ยอดเยี่ยมเกี่ยวกับ Rasa X คือเมื่อคุณฝึกแชทบอท ข้อมูลใหม่ทั้งหมดที่คุณป้อนจะถูกป้อนและจัดเก็บไว้ในไฟล์ที่เกี่ยวข้องบนระบบในพื้นที่ของคุณ
แท็บโมเดล
ที่นี่คุณจะพบกับโมเดลที่คุณสร้างขึ้นทั้งหมด โมเดลล่าสุดมักจะอยู่ด้านบนสุดเสมอ คุณสามารถเปิดใช้งานโมเดลนี้ได้โดยคลิกที่ลูกศรขึ้น
แชทกับบอทของคุณ Tab
เมื่อคุณเปิดใช้งานโมเดลใหม่แล้ว คุณสามารถทดสอบได้ใน แชทกับบอทของคุณ แท็บ ดังที่คุณเห็นในภาพด้านล่าง การตอบสนองที่บอทให้คือการตอบกลับใหม่ที่ฉันป้อนก่อนหน้านี้
ที่นั่นคุณมีมัน! นี่คือวิธีการป้อนข้อมูลใหม่ ฝึกฝน และทดสอบแชทบอทของคุณโดยใช้ Rasa X ในส่วนถัดไปของซีรีส์นี้ ฉันจะพูดถึงวิธีปรับใช้แชทบอทของคุณบนเซิร์ฟเวอร์สด Heroku โดยใช้ Docker และวิธีสื่อสารกับบอทนี้ด้วย ผ่านวิดเจ็ตแชทในเว็บไซต์ของคุณ คอยติดตาม!!
ถ้าคุณชอบโพสต์นี้ HIT Buy me a coffee! ขอบคุณที่อ่าน.
ผลงานเล็กๆ น้อยๆ ของคุณจะกระตุ้นให้ฉันสร้างเนื้อหาแบบนี้มากขึ้น
- การกระทำ
- AI
- ทั้งหมด
- ธ ปท
- เบราว์เซอร์
- ธุรกิจ
- ซื้อ
- chatbot
- chatbots
- เนื้อหา
- การสร้าง
- ปัจจุบัน
- CZ
- ข้อมูล
- พัฒนาการ
- นักเทียบท่า
- บรรณาธิการ
- สิ่งแวดล้อม
- EU
- EV
- EY
- ชื่อจริง
- อนาคต
- GitHub
- ยิ่งใหญ่
- GV
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HP
- hr
- HTTPS
- ia
- ภาพ
- ข้อมูล
- ความตั้งใจ
- IP
- IT
- Kx
- LG
- ในประเทศ
- ในท้องถิ่น
- การทำ
- กลาง
- แบบ
- NLP
- เวที
- กด
- โครงการ
- รสา
- การอ่าน
- รายงาน
- คำตอบ
- วิ่ง
- วิ่ง
- ชุด
- การตั้งค่า
- เล็ก
- เข้าพัก
- จำนวนชั้น
- ระบบ
- การพูดคุย
- ทดสอบ
- การทดสอบ
- ด้านบน
- การฝึกอบรม
- แนวโน้ม
- เกี่ยวกับการสอน
- เสมือน
- Website
- X