Автор оригинала: Pankaj Kumar.
Привет читатели! Хорошо сделано при заполнении Задача классификации намерений Отказ В этой статье позвольте мне представить вас с RASA Chatbot Framework Отказ Это рамка NLU (понимание естественного языка). Итак, давайте узнаем об этом.
Что такое RASA Chatbot?
Раза это открытый источник Машинное обучение Платформа для создания помощников AI и Chatbots.
Для работы в RASA вам обычно не нужен какой-либо опыт языка программирования.
Что делают помощники AI?
Два обязанности выполняются помощниками AI: Зная клиента и предоставление правильных ответов.
Стек Chatbot RASA обращается к этим мероприятиям с частью интерпретации NLU RASA NLU и компонентом разговора RASA Core.
Это в основном выполняет две задачи:
- Намеренное распознавание
- Добыча сущности
В RASA есть два основных модуля:
- RASA NLU для понимания интерфейса сообщения
- RASA Core для обсуждения, что делать в будущем
Раза х Это платформа, которая позволяет создавать, улучшать и развертывать ассистенты AI, управляемые структурой Chatbot RASA.
Веб-интерфейс и API для отдыха включены в RASA X. Новое обновление от RASA – RASA X.
Работа с RASA Chatbot
Давайте направимся к установке RASA Chatbot, а затем обучение нашей первой модели.
1. Установите раза
Установка RASA Super Simple через Anaconda Suite. Я попробовал другой метод через PIP, но перепроверки и установка зависимостей будут легко занимать часы:
conda install python=3.6 conda create -n rasa python=3.6 source activate rasa pip install rasa-x --extra-index-url https://pypi.rasa.com/simple
В RASA создание нового проекта легко:
rasa init --no-prompt
Теперь у вас будет папка проекта, которая будет готов к использованию со следующими файлами:
- __init__.py ⇒ пустой файл, который помогает Python найти ваши действия
- Действия .py ⇒ Код для ваших пользовательских действий
- config.yml ‘*’ ⇒ Конфигурация ваших моделей NLU и Core
- Credentials.yml ⇒ Детали для подключения к другим услугам
- data/nlu.md ‘*’ ⇒ Ваши данные тренировки NLU
- Data/Stories.md ‘*’ ⇒ Ваши истории
- domain.yml ‘*’ ⇒ Домен вашего помощника
- EndPoints.yml ⇒ Детали для подключения к каналам, такими как FB Messenger
- Модели/
.tar.gz ⇒ Ваша начальная модель
2. Обучите свой RASA Chatbot
Как только мы создаем проект, нам нужно сначала тренировать модель. Это сохраняет модель для дальнейшего использования. Если вы выходите из VirtualenV, то вам придется удалить проект и создать новый.
rasa train
Это выводит различные гиперпараметры, которые вы можете оптимизировать вместе с панелью прогресса.
Теперь мы можем поговорить с нашим чатботом:
rasa shell
3. Расакс графический интерфейс
Подобно вышеуказанной раковине раса, я также говорил о службе GUI в RASA под названием RASAX. Он открывается в нашем веб-браузере как интерактивный чат со значками и цветом:
4. Backend Rasa Chatbot
RASAX имеет две классификаторы намерений, которые мы можем выбрать из:
- Намеренный классификатор Sklearn.
- Намеренная классификатор Tensorflow встроен
Это работает как классификация намерений, которую мы выступали в нашем предыдущем уроке: Классификация намерений на основе извлечения в Chatbots 3/4
Завершение примечания
Если вам понравилось, читая эту статью и хочу прочитать больше, посетите нашу домашнюю страницу и проверить все последние статьи!