rasa ptbr boilerplate

หม้อต้มน้ำตื้น

สำหรับเวอร์ชันภาษาอังกฤษ: README-en

โครงสร้างสำเร็จรูปถือกำเนิดขึ้นโดยเป็นนามธรรมทั่วไปของโครงการ Tais วันนี้มีเป้าหมายเพื่อทำให้การสร้างแชทบอท Rasa ง่ายขึ้น ด้วยวิวัฒนาการของเฟรมเวิร์ก จุดเน้นในปัจจุบันของต้นแบบคือเอกสารโค้ดที่ใช้งานจริง

ที่นี่คุณจะพบแชทบอตในภาษาโปรตุเกสแบบบราซิลทั้งหมด ซึ่งจะช่วยคุณในเรื่องตัวอย่างบทสนทนา โค้ด และการใช้ฟีเจอร์ Rasa

สถาปัตยกรรม

สถาปัตยกรรมสำเร็จรูปสามารถแบ่งได้เป็น 2 ส่วนหลัก คือ

• เพื่อสร้าง

กระบวนการที่แปลงไฟล์การกำหนดค่า .yml เป็น modelo treinado ซึ่งมีความชาญฉลาดของแชทบอท

• จัดเตรียม

ผู้ใช้โต้ตอบกับ Boilerplate ผ่านทาง Telegram ซึ่งจะส่งข้อความถึง Rasa NLU ผ่านตัวเชื่อมต่อ โดยจะระบุ เจตนา และตอบกลับผ่าน Rasa Core ตาม เรื่องราว และ การกระทำ

โมเดล ที่ใช้สำหรับการสนทนาถูกสร้างขึ้นโดยโมดูล ผู้ฝึกสอน จากนั้นจึงถ่ายโอนไปยังบอท โมเดลเหล่านี้สามารถกำหนดเวอร์ชันและพัฒนาระหว่างบอทได้

บทช่วยสอน

ขั้นแรก โคลนที่เก็บไปยังเครื่องของคุณโดยใช้คำสั่ง:

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

เพื่อให้แชทบอท Rasa ของคุณทำงาน ตรวจสอบให้แน่ใจว่าคุณอยู่ในโฟลเดอร์โปรเจ็กต์ จากนั้นรันคำสั่งต่อไปนี้ในเทอร์มินัล:

make init

คำสั่งนี้จะสร้างโครงสร้างพื้นฐานที่จำเป็น (อัปโหลดคอนเทนเนอร์ที่มีการขึ้นต่อกัน ฝึกแชทบอท และเริ่มแชทในโหมดเชลล์) เพื่อเปิดใช้งานการโต้ตอบกับแชทบอท

เมื่อติดตั้งทุกอย่างแล้ว คุณจะเห็นข้อความต่อไปนี้และสามารถเริ่มโต้ตอบกับบอทได้:

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

หากต้องการปิดการโต้ตอบกับบอท เพียงพิมพ์ ctrl+c

คำสั่ง

• คำสั่งการฝึกอบรมใช้เพื่อสร้างแบบจำลองที่จำเป็นในการสนทนาของบอท หากต้องการฝึกแชทบอทของคุณ ให้รันคำสั่ง:

make train

• หากต้องการรันบอทในเทอร์มินัล ให้รัน:

make shell

การกำหนดค่าโทรเลข

หลังจากเสร็จสิ้นการฝึกสอนการส่งออกสำหรับตัวแปรสภาพแวดล้อมที่จำเป็นทั้งหมดแล้ว คุณสามารถเรียกใช้บอทได้อย่างถูกต้องบน Telegram

ก่อนจะก้าวต่อไป. สิ่งสำคัญ: ตัวแปรสภาพแวดล้อมจำเป็นสำหรับบอทในการทำงานอย่างถูกต้อง ดังนั้นอย่าลืมส่งออกตัวแปรเหล่านั้น

จากนั้นเรียกใช้บอทบน Telegram:

make telegram

การวิเคราะห์

ในการแสดงภาพข้อมูลการโต้ตอบระหว่างผู้ใช้และแชทบอท เราใช้ส่วนหนึ่งของ Elastic Stack ซึ่งประกอบด้วย ElasticSearch และ Kibana ดังนั้นเราจึงใช้นายหน้าเพื่อจัดการข้อความ ดังนั้นเราจึงสามารถเพิ่มข้อความลงใน ElasticSearch ได้ไม่ว่าเราจะใช้ Messenger ประเภทใดก็ตาม

• เพื่อ การกำหนดค่าอย่างรวดเร็ว ให้รันคำสั่งต่อไปนี้:

make build-analytics

รอจนกว่าบริการ ElasticSearch จะพร้อม และรันคำสั่งด้านล่างเพื่อกำหนดค่าดัชนี:

 make config-elastic

รอจนกว่าบริการ Kibana จะพร้อม และรันคำสั่งด้านล่างเพื่อกำหนด ค่าแดชบอร์ด :

 make config-kibana

คำสั่งข้างต้นจำเป็นต้องดำเนินการเพียงครั้งเดียว และจะทำให้โครงสร้างพื้นฐาน analytics ทั้งหมดพร้อมใช้งาน

เข้าถึง kibana ได้ที่ url locahost:5601

หากคุณต้องการทำความเข้าใจกระบวนการกำหนด ค่าสแตก การวิเคราะห์ โปรดดูคำอธิบายการวิเคราะห์ฉบับเต็ม

การเพิ่มองค์ประกอบการฝึกอบรมที่กำหนดเอง

Rasa ช่วยให้คุณสามารถเพิ่มโมดูลที่กำหนดเองลงในไปป์ไลน์การประมวลผลของคุณ เรียนรู้เพิ่มเติมที่นี่

มีตัวอย่างขององค์ประกอบที่กำหนดเองซึ่งใช้การวิเคราะห์ความรู้สึกที่นี่

หากต้องการใช้งาน เพียงแนะนำส่วนประกอบ components.sentiment_analyzer.SentimentAnalyzer ให้กับไฟล์ bot/config.yml ดังตัวอย่าง:

 language : "pt"

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

จากนั้น เช่นเดียวกับในตัวอย่างไฟล์ bot/components/labels.yml ให้เพิ่มวลีที่สอดคล้องกับป้ายกำกับ (คะแนนหรือความคิดเห็น)

สุดท้าย เพียงฝึกบอทอีกครั้ง และข้อมูลจะถูกจัดเก็บไว้ในเอนทิตีความ sentiment หากส่วนประกอบระบุค่าสำหรับเอนทิตีนั้น

สมุดบันทึก - การวิเคราะห์ข้อมูล

ตั้งค่า

ยกคอนเทนเนอร์ notebooks

make notebooks

เข้าถึงสมุดบันทึกที่ localhost:8888

เอกสารประกอบ

เอกสารโครงการสามารถเรียกใช้ในเครื่องโดยใช้ GitBook หากต้องการติดตั้ง gitbook ผ่าน npm คุณต้องติดตั้ง Node.js และ npm บนคอมพิวเตอร์ของคุณ

• ติดตั้ง gitbook:

npm install -g gitbook gitbook-cli

• เมื่อติดตั้งแล้ว ในโฟลเดอร์รูทของโปรเจ็กต์ ให้รัน:

gitbook build .

• และเรียกใช้ภายในเครื่อง:

gitbook serve .

• เข้าถึง:

 http://localhost:4000/

การบริจาค : เพื่อสนับสนุนเอกสารโครงการ โปรดอ่านวิธีการสนับสนุนเอกสารประกอบ

จะขอความช่วยเหลือได้อย่างไร

เอกสารทางเทคนิคส่วนหนึ่งของกรอบงาน Tais มีอยู่ในวิกิของพื้นที่เก็บข้อมูล หากคุณไม่พบคำตอบ ให้เปิดปัญหาด้วยแท็ก duvida แล้วเราจะพยายามตอบกลับโดยเร็วที่สุด

หากคุณมีคำถามใดๆ เกี่ยวกับ Rasa โปรดดูกลุ่ม Rasa Stack Brasil Telegram เราก็พร้อมให้ความช่วยเหลือเช่นกัน

ดูข้อมูลการติดต่อเพิ่มเติมบนเว็บไซต์ของเรา: https://lappis.rocks

ใบอนุญาต

เฟรมเวิร์กสำเร็จรูปทั้งหมดได้รับการพัฒนาภายใต้ลิขสิทธิ์ GPL3

ดูรายการการขึ้นต่อกันของใบอนุญาตที่นี่