customer support chatbot
1.0.0
Chatbot คือโปรแกรมคอมพิวเตอร์ที่ดำเนินการสนทนาในลักษณะเดียวกับมนุษย์ โปรเจ็กต์นี้ใช้แชทบอทซึ่งพยายามตอบคำถามของผู้ใช้ในฐานะตัวแทนฝ่ายสนับสนุนลูกค้า มีการใช้งานแชทบอทสนับสนุนลูกค้าดังต่อไปนี้: AppleSupport, AmazonHelp, Uber_Support, Delta และ SpotifyCares Chatbots ได้รับการฝึกอบรมเกี่ยวกับการสนทนาที่เปิดเผยต่อสาธารณะระหว่างฝ่ายสนับสนุนลูกค้าและผู้ใช้บน Twitter
Chatbot ถูกนำไปใช้ตามลำดับเพื่อจัดลำดับโมเดลการเรียนรู้เชิงลึกอย่างเอาใจใส่ โครงการส่วนใหญ่อิงจาก Bahdanau และคณะ 2014, Luong และคณะ 2015. และ Vinyals และคณะ, 2015..
ตัวอย่างการสนทนากับแชทบอทสนับสนุนลูกค้า การสนทนากับแชทบอทไม่เหมาะแต่แสดงผลลัพธ์ที่น่าหวัง คำตอบของ Chatbot จะอยู่ในฟองสีเทา
ชุดข้อมูลที่ใช้สำหรับการฝึกอบรม Chatbot สามารถพบได้ที่นี่ ชุดข้อมูลนี้สร้างขึ้นโดยการรวบรวมการสนทนาที่เปิดเผยต่อสาธารณะระหว่างฝ่ายสนับสนุนลูกค้าและผู้ใช้บน Twitter ขอบคุณมากสำหรับผู้เขียนชุดข้อมูล!
คุณสามารถลองใช้แชทบอทได้โดยใช้โมเดลที่ได้รับการฝึกมาก่อนหรือโดยการฝึกแชทบอทของคุณเอง
pip3 install -r requirements.txt
python3 -m spacy download enเรียกใช้คำสั่งต่อไปนี้ในรูทของพื้นที่เก็บข้อมูลนี้เพื่อดาวน์โหลดแชทบอทการบริการลูกค้าที่ได้รับการฝึกอบรมล่วงหน้า
wget https://www.dropbox.com/s/ibm49gx1gefpqju/pretrained-models.zip
unzip pretrained-models.zip
rm pretrained-models.zip
sudo chmod +x predict.py ตอนนี้คุณสามารถ "พูดคุย" กับแชทบอทฝ่ายบริการลูกค้าโดยใช้สคริปต์ predict.py ได้แล้ว มีแชทบอทบริการลูกค้าดังต่อไปนี้: apple,amazon,uber,delta,spotify ตัวอย่างต่อไปนี้แสดงวิธีเรียกใช้แชทบอทฝ่ายบริการลูกค้า apple :
./predict.py -cs appleคุณสามารถเลือกฝึกแชทบอทได้ด้วยตัวเอง เรียกใช้คำสั่งต่อไปนี้เพื่อดาวน์โหลดและจัดรูปแบบชุดข้อมูล Twitter ที่ใช้ในโปรเจ็กต์นี้:
wget https://www.dropbox.com/s/nmnlcncn7jtb7i9/twcs.zip
unzip twcs.zip
mkdir data
mv twcs.csv data
rm twcs.zip
python3 datasets/twitter_customer_support/format.py # this runs for couple of hours
sudo chmod +x train.pyคำเตือน บล็อกนี้จะใช้งานได้สองสามชั่วโมง!
ตอนนี้คุณสามารถใช้ train.py เพื่อฝึกแชทบอทได้แล้ว
train.py ใช้สำหรับฝึก seq2seq chatbot
usage: train.py [-h] [--max-epochs MAX_EPOCHS] [--gradient-clip GRADIENT_CLIP]
[--batch-size BATCH_SIZE] [--learning-rate LEARNING_RATE]
[--train-embeddings] [--save-path SAVE_PATH]
[--save-every-epoch]
[--dataset {twitter-applesupport,twitter-amazonhelp,twitter-delta,twitter-spotifycares,twitter-uber_support,twitter-all,twitter-small}]
[--teacher-forcing-ratio TEACHER_FORCING_RATIO] [--cuda]
[--multi-gpu]
[--embedding-type {glove.42B.300d,glove.840B.300d,glove.twitter.27B.25d,glove.twitter.27B.50d,glove.twitter.27B.100d,glove.twitter.27B.200d,glove.6B.50d,glove.6B.100d,glove.6B.200d,glove.6B.300d} | --embedding-size EMBEDDING_SIZE]
[--encoder-rnn-cell {LSTM,GRU}]
[--encoder-hidden-size ENCODER_HIDDEN_SIZE]
[--encoder-num-layers ENCODER_NUM_LAYERS]
[--encoder-rnn-dropout ENCODER_RNN_DROPOUT]
[--encoder-bidirectional] [--decoder-type {bahdanau,luong}]
[--decoder-rnn-cell {LSTM,GRU}]
[--decoder-hidden-size DECODER_HIDDEN_SIZE]
[--decoder-num-layers DECODER_NUM_LAYERS]
[--decoder-rnn-dropout DECODER_RNN_DROPOUT]
[--luong-attn-hidden-size LUONG_ATTN_HIDDEN_SIZE]
[--luong-input-feed]
[--decoder-init-type {zeros,bahdanau,adjust_pad,adjust_all}]
[--attention-type {none,global,local-m,local-p}]
[--attention-score {dot,general,concat}]
[--half-window-size HALF_WINDOW_SIZE]
[--local-p-hidden-size LOCAL_P_HIDDEN_SIZE]
[--concat-attention-hidden-size CONCAT_ATTENTION_HIDDEN_SIZE]
Script for training seq2seq chatbot.
optional arguments:
-h, --help show this help message and exit
--max-epochs MAX_EPOCHS
Max number of epochs models will be trained.
--gradient-clip GRADIENT_CLIP
Gradient clip value.
--batch-size BATCH_SIZE
Batch size.
--learning-rate LEARNING_RATE
Initial learning rate.
--train-embeddings Should gradients be propagated to word embeddings.
--save-path SAVE_PATH
Folder where models (and other configs) will be saved
during training.
--save-every-epoch Save model every epoch regardless of validation loss.
--dataset {twitter-applesupport,twitter-amazonhelp,twitter-delta,twitter-spotifycares,twitter-uber_support,twitter-all,twitter-small}
Dataset for training model.
--teacher-forcing-ratio TEACHER_FORCING_RATIO
Teacher forcing ratio used in seq2seq models. [0-1]
--embedding-type {glove.42B.300d,glove.840B.300d,glove.twitter.27B.25d,glove.twitter.27B.50d,glove.twitter.27B.100d,glove.twitter.27B.200d,glove.6B.50d,glove.6B.100d,glove.6B.200d,glove.6B.300d}
Pre-trained embeddings type.
--embedding-size EMBEDDING_SIZE
Dimensionality of word embeddings.
GPU:
GPU related settings.
--cuda Use cuda if available.
--multi-gpu Use multiple GPUs if available.
Encoder:
Encoder hyperparameters.
--encoder-rnn-cell {LSTM,GRU}
Encoder RNN cell type.
--encoder-hidden-size ENCODER_HIDDEN_SIZE
Encoder RNN hidden size.
--encoder-num-layers ENCODER_NUM_LAYERS
Encoder RNN number of layers.
--encoder-rnn-dropout ENCODER_RNN_DROPOUT
Encoder RNN dropout probability.
--encoder-bidirectional
Use bidirectional encoder.
Decoder:
Decoder hyperparameters.
--decoder-type {bahdanau,luong}
Type of the decoder.
--decoder-rnn-cell {LSTM,GRU}
Decoder RNN cell type.
--decoder-hidden-size DECODER_HIDDEN_SIZE
Decoder RNN hidden size.
--decoder-num-layers DECODER_NUM_LAYERS
Decoder RNN number of layers.
--decoder-rnn-dropout DECODER_RNN_DROPOUT
Decoder RNN dropout probability.
--luong-attn-hidden-size LUONG_ATTN_HIDDEN_SIZE
Luong decoder attention hidden projection size
--luong-input-feed Whether Luong decoder should use input feeding
approach.
--decoder-init-type {zeros,bahdanau,adjust_pad,adjust_all}
Decoder initial RNN hidden state initialization.
Attention:
Attention hyperparameters.
--attention-type {none,global,local-m,local-p}
Attention type.
--attention-score {dot,general,concat}
Attention score function type.
--half-window-size HALF_WINDOW_SIZE
D parameter from Luong et al. paper. Used only for
local attention.
--local-p-hidden-size LOCAL_P_HIDDEN_SIZE
Local-p attention hidden size (used when predicting
window position).
--concat-attention-hidden-size CONCAT_ATTENTION_HIDDEN_SIZE
Attention layer hidden size. Used only with concat
score function.
predict.py ใช้สำหรับ "พูดคุย" กับแชทบอท seq2seq
usage: predict.py [-h] [-cs {apple,amazon,uber,delta,spotify}] [-p MODEL_PATH]
[-e EPOCH] [--sampling-strategy {greedy,random,beam_search}]
[--max-seq-len MAX_SEQ_LEN] [--cuda]
Script for "talking" with pre-trained chatbot.
optional arguments:
-h, --help show this help message and exit
-cs {apple,amazon,uber,delta,spotify}, --customer-service {apple,amazon,uber,delta,spotify}
-p MODEL_PATH, --model-path MODEL_PATH
Path to directory with model args, vocabulary and pre-
trained pytorch models.
-e EPOCH, --epoch EPOCH
Model from this epoch will be loaded.
--sampling-strategy {greedy,random,beam_search}
Strategy for sampling output sequence.
--max-seq-len MAX_SEQ_LEN
Maximum length for output sequence.
--cuda Use cuda if available.
