rasa ptbr boilerplate

Pelat Boiler Dangkal

Untuk versi bahasa Inggris: README-en

Boilerplate lahir sebagai abstraksi umum dari proyek Tais. Hari ini, tujuannya adalah untuk mempermudah pembuatan chatbot Rasa. Dengan evolusi kerangka kerja, saat ini fokus boilerplate adalah dokumentasi kode langsung.

Di sini Anda dapat menemukan chatbot sepenuhnya dalam bahasa Portugis Brasil yang akan membantu Anda dengan contoh dialog, kode, dan penggunaan fitur Rasa.

Arsitektur

Arsitektur boilerplate dapat dibagi menjadi 2 bagian utama:

• Untuk membuat

Proses yang mengubah file konfigurasi .yml menjadi modelo treinado yang berisi kecerdasan chatbot.

• Menyediakan

Pengguna berinteraksi dengan Boilerplate melalui Telegram, yang mengirimkan pesan ke Rasa NLU melalui konektor, tempat ia mengidentifikasi maksudnya , dan merespons melalui Rasa Core, sesuai dengan cerita dan tindakan .

Model yang digunakan untuk percakapan dihasilkan oleh modul pelatih dan kemudian ditransfer ke bot. Model ini dapat diversi dan dikembangkan antar bot.

tutorial

Pertama, kloning repositori ke mesin lokal Anda menggunakan perintah:

git clone https://github.com/lappis-unb/rasa-ptbr-boilerplate.git

Agar chatbot Rasa Anda berfungsi, pastikan Anda berada di folder proyek dan kemudian jalankan perintah berikut di terminal:

make init

Perintah ini akan membangun infrastruktur yang diperlukan (mengunggah kontainer dengan dependensi, melatih chatbot, dan memulai obrolan dalam mode shell) untuk mengaktifkan interaksi dengan chatbot.

Setelah semuanya terinstal, Anda akan melihat pesan berikut dan dapat mulai berinteraksi dengan bot:

Bot loaded. Type a message and press enter (use ' /stop ' to exit):
Your input - >

Untuk menutup interaksi dengan bot, cukup ketik ctrl+c .

Perintah

• Perintah pelatihan digunakan untuk membuat model yang diperlukan dalam percakapan bot. Untuk melatih chatbot Anda, jalankan perintah:

make train

• Untuk menjalankan bot di terminal, jalankan:

make shell

Konfigurasi Telegram

Setelah menyelesaikan tutorial ekspor untuk semua variabel lingkungan yang diperlukan, Anda dapat menjalankan bot dengan benar di Telegram.

Sebelum melanjutkan. Penting: Variabel lingkungan diperlukan agar bot dapat berfungsi dengan benar, jadi jangan lupa untuk mengekspornya.

Kemudian jalankan bot di Telegram:

make telegram

Analisis

Untuk memvisualisasikan data interaksi antara pengguna dan chatbot, kami menggunakan bagian dari Elastic Stack, yang terdiri dari ElasticSearch dan Kibana. Oleh karena itu, kami menggunakan broker untuk mengelola pesan. Jadi kami dapat menambahkan pesan ke ElasticSearch apa pun jenis messenger yang kami gunakan.

• Untuk konfigurasi cepat jalankan perintah berikut:

make build-analytics

Tunggu hingga layanan ElasticSearch siap, dan jalankan perintah di bawah ini untuk mengonfigurasi indeks:

 make config-elastic

Tunggu hingga layanan Kibana siap, dan jalankan perintah di bawah ini untuk mengkonfigurasi dashboard :

 make config-kibana

Perintah di atas hanya perlu dijalankan satu kali dan seluruh infrastruktur analytics akan siap digunakan.

Akses kibana di url locahost:5601

Jika Anda ingin memahami proses konfigurasi tumpukan analitik , lihat penjelasan analitik selengkapnya.

Menambahkan komponen pelatihan khusus

Rasa memungkinkan Anda menambahkan modul khusus ke jalur pemrosesan Anda, pelajari lebih lanjut DI SINI.

Ada contoh komponen khusus di sini yang mengimplementasikan Analisis Sentimen.

Untuk menggunakannya, cukup masukkan komponen components.sentiment_analyzer.SentimentAnalyzer ke file bot/config.yml . Seperti pada contoh:

 language : "pt"

pipeline:
  - name: WhitespaceTokenizer
  - name: "components.sentiment_analyzer.SentimentAnalyzer"                                                                                        - name: RegexFeaturizer

Kemudian, seperti pada contoh file bot/components/labels.yml , tambahkan frasa yang sesuai dengan label (peringkat atau sentimen).

Terakhir, latih lagi bot tersebut, dan informasinya akan disimpan di entitas sentiment jika komponen mengidentifikasi nilai untuk entitas tersebut.

Buku Catatan - Analisis Data

Pengaturan

Angkat wadah notebooks

make notebooks

Akses buku catatan di localhost:8888

Dokumentasi

Dokumentasi proyek dapat dijalankan secara lokal menggunakan GitBook. Untuk menginstal gitbook melalui npm, Anda harus menginstal Node.js dan npm di komputer Anda.

• Instal gitbook:

npm install -g gitbook gitbook-cli

• Setelah terinstal, di folder root proyek, jalankan:

gitbook build .

• Dan untuk menjalankannya secara lokal:

gitbook serve .

• Mengakses:

 http://localhost:4000/

Kontribusi : Untuk berkontribusi pada dokumentasi proyek, baca cara berkontribusi pada dokumentasi

Bagaimana cara mendapatkan bantuan

Bagian dari dokumentasi teknis kerangka Tais tersedia di wiki repositori. Jika Anda tidak dapat menemukan jawabannya, buka masalah dengan tag duvida dan kami akan mencoba merespons secepat mungkin.

Jika Anda memiliki pertanyaan tentang Rasa, lihat grup Telegram Rasa Stack Brasil, kami juga siap membantu.

Lihat informasi kontak lebih lanjut di situs web kami: https://lappis.rocks.

Lisensi

Seluruh kerangka boilerplate dikembangkan di bawah lisensi GPL3

Lihat daftar ketergantungan lisensi di sini