rasa ptbr boilerplate

Неглубокий шаблон

Для английской версии: README-en.

Шаблон родился как общая абстракция проекта Таис. Сегодня его цель — упростить создание чат-бота Rasa. С развитием платформы в настоящее время в центре внимания шаблона находится документация живого кода.

Здесь вы можете найти чат-бота, полностью говорящего на бразильском португальском языке, который поможет вам с примерами диалога, кода и использования функций Rasa.

Архитектура

Архитектуру шаблона можно разделить на две основные части:

• Чтобы создать

Процесс, который преобразует файлы конфигурации .yml в modelo treinado , содержащую интеллект чат-бота.

• Предоставлять

Пользователь взаимодействует с Boilerplate через Telegram, который отправляет сообщения в Rasa NLU через коннекторы, где идентифицирует намерение , и отвечает через Rasa Core согласно историям и действиям .

Модели, используемые для разговора, были созданы модулем тренера , а затем переданы боту. Эти модели можно изменять и развивать между ботами.

Учебник

Сначала клонируйте репозиторий на свой локальный компьютер с помощью команды:

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

Чтобы ваш чат-бот Rasa заработал, убедитесь, что вы находитесь в папке проекта, а затем выполните следующую команду в терминале:

make init

Эта команда построит необходимую инфраструктуру (загрузит контейнеры с зависимостями, обучит чат-бота и запустит чат в режиме оболочки) для обеспечения взаимодействия с чат-ботом.

Как только все будет установлено, вы увидите следующее сообщение и сможете начать взаимодействовать с ботом:

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

Чтобы закрыть взаимодействие с ботом, просто нажмите ctrl+c .

Команды

• Команда обучения используется для создания необходимых моделей в разговоре с ботом. Чтобы обучить своего чат-бота, выполните команду:

make train

• Чтобы запустить бота в терминале, выполните:

make shell

Конфигурация телеграммы

После завершения руководства по экспорту всех необходимых переменных среды вы сможете правильно запустить бота в Telegram.

Прежде чем двигаться дальше. Важно: переменные среды необходимы для корректной работы бота, поэтому не забудьте их экспортировать.

Затем запустите бота в Telegram:

make telegram

Аналитика

Для визуализации данных взаимодействия между пользователем и чат-ботом мы используем часть Elastic Stack, состоящую из ElasticSearch и Kibana. Поэтому мы используем брокера для управления сообщениями. Таким образом, мы смогли добавлять сообщения в ElasticSearch независимо от типа используемого мессенджера.

• Для быстрой настройки выполните следующую команду:

make build-analytics

Подождите, пока службы ElasticSearch будут готовы, и выполните команду ниже, чтобы настроить индексы:

 make config-elastic

Подождите, пока сервисы Kibana будут готовы, и выполните команду ниже, чтобы настроить информационные панели :

 make config-kibana

Приведенную выше команду необходимо выполнить только один раз, и вся analytics инфраструктура будет готова к использованию.

Доступ к Kibana по URL-адресу locahost:5601

Если вы хотите понять процесс настройки стека аналитики , см. полное объяснение аналитики.

Добавление пользовательских компонентов обучения

Rasa позволяет вам добавлять собственные модули в ваш конвейер обработки, узнайте больше ЗДЕСЬ.

Здесь приведен пример пользовательского компонента, реализующего анализ настроений.

Чтобы использовать его, просто добавьте components.sentiment_analyzer.SentimentAnalyzer в файл bot/config.yml . Как в примере:

 language : "pt"

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

Затем, как в примере с файлом bot/components/labels.yml , добавьте фразы, соответствующие метке (рейтингу или настроению).

Наконец, просто обучите бота еще раз, и информация будет сохранена в объекте sentiment , если компонент идентифицирует значение для этого объекта.

Ноутбуки — анализ данных

Настраивать

Поднимите контейнер notebooks

make notebooks

Получите доступ к записной книжке по адресу localhost:8888

Документация

Документацию проекта можно запустить локально с помощью GitBook. Чтобы установить gitbook через npm, на вашем компьютере должны быть установлены Node.js и npm.

• Установите гитбук:

npm install -g gitbook gitbook-cli

• После установки в корневой папке проекта запустите:

gitbook build .

• И для запуска локально запустите:

gitbook serve .

• Доступ:

 http://localhost:4000/

Вклад : Чтобы внести свой вклад в проектную документацию, прочитайте, как внести свой вклад в документацию.

Как получить помощь

Часть технической документации платформы Tais доступна на вики-репозитории. Если вы не можете найти ответ, откройте вопрос с тегом duvida , и мы постараемся ответить как можно быстрее.

Если у вас есть какие-либо вопросы относительно Rasa, посетите группу Rasa Stack Brasil в Telegram, мы также готовы вам помочь.

Более подробную контактную информацию смотрите на нашем сайте: https://lappis.rocks.

Лицензия

Вся шаблонная структура разработана под лицензией GPL3.

См. список лицензионных зависимостей здесь.