Restaurant chatbot

Chatbot de restaurante

Descripción general de la arquitectura:

La explicación detallada del proyecto se encuentra en mi blog de tecnología aquí: https://medium.com/@barua.aindriya/building-a-nlp-chatbot-for-a-restaurant-with-flask-b978337049f2

¿Cómo configurar y ejecutar el proyecto?

1. Requisitos previos de instalación Mi versión de Python es 3.6.13. Para instalar todas las bibliotecas necesarias, descargue/clone mi repositorio de GitHub y, en la carpeta, abra CMD e ingrese:

instalación de pip -r requisitos.txt

2. Descargue el modelo en inglés FastText previamente entrenado. Descargue cc.en.300.bin.gz desde https://fasttext.cc/docs/en/crawl-vectors.html. Descomprímalo para descargar cc.en.300.bin, cuyo código son scripts auxiliares en mi repositorio de Github.
3. Prepare el conjunto de datos Ejecute data_embedder.py. Esto tomará el archivo dataset.json y convertirá todas las oraciones a vectores FastText.

python datos_embedder.py

4. Configure Mongo Db en localhost Instale MongoDb Compass Haga 3 colecciones: menú, reservas, comentarios El menú debe estar codificado, incluye artículo, costo, vegano, vegetariano, acerca de, oferta.

Los documentos de comentarios se insertarán cuando un usuario dé su opinión para que la autoridad del restaurante pueda leerlos y tomar las medidas necesarias.

redactor de la colección de reservas el ID de reserva único y la marca de tiempo de la reserva, de modo que cuando el cliente venga y muestre el ID en la recepción, se pueda verificar la reserva.

5. Ejecute Flask. Esto iniciará la aplicación web en localhost.

exportar FLASK_APP=aplicación
exportar FLASK_ENV=desarrollo
ejecución del matraz