Привіт! Ласкаво просимо до другої частини серії з трьох частин, у якій йдеться про створення та розгортання чат-бота для вашого бізнес-сайту чи особистого веб-сайту за допомогою Rasa, Docker і Heroku. В першій частині, я говорив про налаштування чат-бота локально у вашій системі та внесення змін до нього за допомогою текстового редактора. У цій другій частині я розповім про те, як вносити зміни у ваш чат-бот за допомогою платформи Rasa X. Я навчу вас, як додавати нові дані, навчати свого бота та використовувати нещодавно згенеровану модель для спілкування з вашим чат-ботом. Раса X.
Раса X — це інструмент розробки, орієнтований на розмову (CDD), який допомагає покращити ваш чат-бот. Rasa X надає інтерфейс користувача для взаємодії з вашим ботом. За допомогою Rasa X ви можете спілкуватися зі своїм локальним чат-ботом як кінцевий користувач, ви також можете вводити нові дані та перенавчати свого чат-бота.
Щоб інсталювати Rasa X, виконайте такі дії:
- Відкрийте підказку Anaconda та cd у ваш каталог проекту Rasa (створений у першій частині цієї серії).
2. Активуйте віртуальне середовище, яке ви створили в останній частині цієї серії.
conda активувати rasavirtualenv
3. Встановіть Rasa X, виконавши наведену нижче команду
pip install rasa-x — extra-index-url https://pypi.rasa.com/simple
Можливо, вам доведеться знизити версію pip, якщо інсталяція триває надто довго
pip install — оновлення pip==20.2
Після успішного встановлення Rasa X виконайте наведену нижче команду
раса X
Ця команда відкриє спливаюче вікно інтерфейсу користувача у вашому браузері. У цьому інтерфейсі користувача ви побачите кілька вкладок. У цьому підручнику я зосереджуся на Дані NLU, Відповіді, історії, Моделі, поговоріть зі своїм ботом на вкладці та поїзд кнопки.
Вкладка даних NLU
Тут ви вводите навчальні дані для користувача. Навчальні дані тут є зразками повідомлень, які користувач потенційно може надіслати чат-боту. Це відповідає nlu.yml файл у вашій локальній системі. Коли ви вводите нове повідомлення, ви також повинні класифікувати намір, це допомагає чат-боту передбачити, що означає повідомлення користувача, коли він отримає подібне повідомлення в майбутньому.
На зображенні вище ви бачите, що я ввів нове повідомлення "Hola" і я класифікував намір як "вітаю'. Після введення цієї інформації я збережу її. Ви можете ввести скільки завгодно прикладів, чим більше, тим краще. Ви також можете створювати нові наміри.
Вкладка відповідей
Тут ви вводите зразки відповідей для чат-бота, тобто повідомлення, які чат-бот має надсилати назад користувачеві, коли отримує будь-яке повідомлення. Подібний до дані NLU кожна відповідь класифікується відповідно до наміру; наприклад, 'utter_greet' охоплює відповіді, які чат-бот повинен надати користувачеві, коли він отримує повідомлення з наміром "вітати". Ви можете ввести нові відповіді, вибравши категорію відповіді та натиснувши кнопку з плюсом. Коли ви вводите новий варіант відповіді, ви просто натискаєте 'Зберегти'. Ви також можете створити нові категорії відповідей.
1. Звіт про тенденції чат-ботів за 2021 рік
2. 4 НЕОБХІДНІ та 3 НЕ ВИКОНАННІ для навчання моделі NLP Chatbot
3. Консьєрж-бот: обробляйте кілька чат-ботів з одного екрану чату
Вкладка «Історії».
Це відповідає історії.yml файл у вашому локальному каталозі файлів. Тут ви об’єднуєте дані з двох попередніх вкладок. Тут ви в основному створюєте сюжетну лінію чи сюжет, де залежно від мети повідомлення, надісланого користувачем, чат-бот має дати відповідну відповідь. Це допомагає навчити чат-бота, що робити в різних сценаріях. Наприклад, якщо чат-бот отримує повідомлення з наміром "вітати" він повинен відповісти, надіславши привітання користувачеві за допомогою дії 'utter_greet.
Вам потрібно створити якомога більше історій. У вас має бути щасливий шлях/сюжет, тобто те, де все йде за планом. Ви також повинні мати сумний шлях/сюжет, який обробляє винятки. Ви можете створити нову історію, натиснувши кнопку з плюсом.
Кнопка поїзда
Коли ви закінчите вводити всі свої нові дані в дані NLU, Відповіді та історії потрібно натиснути кнопку поїзд ця кнопка перенавчить ваш чат-бот і збереже щойно згенеровану модель у моделі вкладка. Чудова особливість Rasa X полягає в тому, що коли ви навчаєте свого чат-бота, усі введені вами нові дані також вводяться та зберігаються локально у відповідних файлах у вашій локальній системі.
Вкладка моделей
Тут ви можете знайти всі створені вами моделі. Найактуальніша модель – це завжди найвища. Ви можете активувати цю модель, натиснувши на стрілку вгору.
Чат із вашим ботом Вкладка
Після активації нової моделі ви можете випробувати її в Спілкуйтеся зі своїм ботом вкладка. Як ви можете бачити на зображенні нижче, відповідь бота є новою відповіддю, яку я ввів раніше.
Ось воно! Ось як вводити нові дані, навчати та тестувати свій чат-бот за допомогою Rasa X. У наступній частині цієї серії я розповім про те, як розгорнути ваш чат-бот на живому сервері Heroku за допомогою Docker, а також як спілкуватися з цим ботом через віджет чату на вашому веб-сайті. Залишайтеся на зв'язку!!
Якщо вам подобається цей пост, HIT Купи мені каву! Дякую, що прочитали.
Ваш невеликий внесок спонукатиме мене створювати більше такого вмісту.
- дію
- AI
- ВСІ
- Бот
- браузер
- бізнес
- купити
- Chatbot
- chatbots
- зміст
- створення
- Поточний
- CZ
- дані
- розробка
- Docker
- редактор
- Навколишнє середовище
- EU
- EV
- EY
- Перший
- майбутнє
- GitHub
- великий
- GV
- тут
- Як
- How To
- HP
- hr
- HTTPS
- ia
- зображення
- інформація
- намір
- IP
- IT
- Kx
- LG
- місцевий
- локально
- Робить
- середа
- модель
- nlp
- платформа
- press
- проект
- раса
- читання
- звітом
- відповідь
- прогін
- біг
- Серія
- установка
- невеликий
- залишатися
- історії
- система
- говорити
- тест
- Тестування
- топ
- Навчання
- Тенденції
- підручник
- Віртуальний
- веб-сайт
- X