Restaurant chatbot

Chatbot de restaurant

Aperçu de l'architecture :

Une explication détaillée du projet est donnée sur mon blog technique ici : https://medium.com/@barua.aindriya/building-a-nlp-chatbot-for-a-restaurant-with-flask-b978337049f2

Comment monter et piloter le projet ?

1. Pré-requis d'installation Ma version de Python est la 3.6.13. Pour installer toutes les bibliothèques requises, téléchargez/clonez mon dépôt GitHub et dans le dossier, ouvrez CMD et saisissez :

pip install -r exigences.txt

2. Téléchargez le modèle anglais FastText pré-entraîné Téléchargez cc.en.300.bin.gz depuis https://fasttext.cc/docs/en/crawl-vectors.html . Décompressez-le pour télécharger cc.en.300.bin, dont le code est constitué de scripts d'assistance dans mon dépôt Github.
3. Préparer l'ensemble de données Exécuter data_embedder.py Cela prendra le fichier dataset.json et convertira toutes les phrases en vecteurs FastText.

python data_embedder.py

4. Configurez Mongo Db sur localhost Installez MongoDb Compass Créez 3 collections : menu, réservations, commentaires Le menu doit être codé en dur, il comprend l'article, le coût, les végétaliens, les légumes, à propos, l'offre.

Des documents de commentaires seront insérés lorsqu'un utilisateur donne un commentaire afin que l'autorité du restaurant puisse les lire et prendre les mesures nécessaires.

l'auteur de la collecte de réservations l'identifiant de réservation unique et l'horodatage de la réservation, de sorte que lorsque le client vient et présente l'identifiant à la réception, la réservation puisse être vérifiée.

5. Exécuter Flask Cela lancera l'application Web sur localhost

exporter FLASK_APP=application
export FLASK_ENV=développement
analyse du ballon