Restaurant chatbot

Ресторан-чат-бот

Обзор архитектуры:

Подробное объяснение проекта дано в моем техническом блоге здесь: https://medium.com/@barua.aindriya/building-a-nlp-chatbot-for-a-restaurant-with-flask-b978337049f2.

Как настроить и запустить проект?

1. Предварительные требования для установки Моя версия Python — 3.6.13. Чтобы установить все необходимые библиотеки, загрузите/клонируйте мой репозиторий GitHub и в папке откройте CMD и введите:

pip install -r требования.txt

2. Загрузите предварительно обученную английскую модель FastText. Загрузите cc.en.300.bin.gz с https://fasttext.cc/docs/en/crawl-vectors.html. Разархивируйте его, чтобы загрузить cc.en.300.bin, код которого представляет собой вспомогательные сценарии в моем репозитории Github.
3. Подготовьте набор данных. Запустите data_embedder.py. Он возьмет файл dataset.json и преобразует все предложения в векторы FastText.

python data_embedder.py

4. Настройте Mongo Db на локальном хосте. Установите MongoDb Compass. Создайте 3 коллекции: меню, бронирование, обратная связь. Меню должно быть жестко запрограммировано, оно включает в себя товар, стоимость, веганство, овощи, информацию, предложение.

Документы обратной связи будут вставлены, когда пользователь оставляет отзыв, чтобы администрация ресторана могла их прочитать и принять необходимые меры.

Регистратору коллекции заказов присваивается уникальный идентификатор бронирования и отметка времени бронирования, чтобы, когда клиент придет и покажет идентификатор на стойке регистрации, бронирование можно будет подтвердить.

5. Запустите Flask. Это запустит веб-приложение на локальном хосте.

экспортировать FLASK_APP=приложение
экспорт FLASK_ENV=разработка
прогон колбы