Создание чат-ботов с Dialogflow, Watson, ChatterBot и Rasa

Тимур Машнин, 2022

С этой книгой Вы познакомитесь с чат-ботами и поймете как создавать чат-ботов без программирования с использованием таких облачных служб как Google Dialogflow и IBM Watson.Также Вы узнаете как реализовать для чат-бота Webhook – механизм получения уведомлений об определённых событиях, чтобы выполнять внешнюю бизнес-логику.Вы узнаете как можно интегрировать вашего чат-бота с другими платформами.Познакомитесь с библиотеками ChatterBot и Rasa и узнаете как создавать чат-ботов на языке Python.

Введение в

Google

Dialogflow

Dialogflow — это инструмент, который может помочь создать умного чат-бота.

Dialogflow — это платформа для создания естественных и богатых диалогов.

По своей сути Dialogflow — это мощный механизм понимания естественного языка для обработки и понимания ввода на естественном языке.

Другими словами, он позволяет вам легко общаться с пользователем, понимая естественный язык.

Dialogflow построен на ресурсах и возможностях ИИ мирового класса, которые были изначально разработаны для таких продуктов, как Gmail и Google Search.

И Dialogflow включает в себя постоянно растущий опыт Google в области искусственного интеллекта, включая опыт машинного обучения, возможности поиска, распознавание речи и, конечно, понимание естественного языка.

И возможности обработки естественного языка Google включают в себя синтаксический анализ, который позволяет извлекать токены и предложения.

Определение частей речи и создание деревьев анализа зависимостей для каждого предложения.

Распознавание сущностей в пользовательском вводе позволяет идентифицировать такие типы, как человек, организация, местоположение, события, продукты и так далее.

Анализ настроений дает понимание общего настроения, выраженного в блоке текста.

Классификация контента позволяет классифицировать документы по более чем 700 предварительно определенным категориям.

Многоязычная поддержка включает в себя возможность легко анализировать текст на нескольких языках.

Используя эти возможности и то, что разработчик предоставляет в качестве входных данных для обучения, Dialogflow создает уникальные алгоритмы для каждого конкретного собеседника, при этом постоянно обучаясь и настраиваясь, по мере того как все больше и больше пользователей взаимодействуют с чат-ботом.

С Dialogflow вы можете быстро создать своего агента, начав с нескольких обучающих фраз или используя один из более чем 40 предварительно созданных агентов.

Эти предварительно созданные агенты могут использоваться непосредственно из коробки или импортироваться в ваш агент для создания и настройки вашего собственного варианта использования.

Они включают в себя все, от доставки еды до бронирования отелей, новостей и напоминаний.

И вы можете легко импортировать эти предварительно созданные агенты из консоли Dialogflow.

Встроенная аналитика Dialogueflow может многое рассказать вам о взаимодействии пользователей с вашим чат-ботом.

Например, она может показать вам, как часто срабатывают различные намерения.

Вы можете легко развернуть свой чат-бот на нескольких платформах, таких как Facebook Messenger, Twitter, и другие.

Давайте внимательнее посмотрим, как происходит диалог, чтобы понять, какие элементы понадобятся вашему чат-боту.

Естественно, диалог начинается с пользователя, которому что-то нужно от чат-бота, и он начинает разговор, чтобы сказать, что ему нужно.

Чат-бот должен сопоставить это с намерением, запрограммированным для обработки запроса.

Например, когда пользователь заказывает пиццу, распознается подходящее намерение для заказа пиццы.

И это намерение подразумевает наличие нескольких компонентов.

Что на самом деле говорит пользователь, какое действие предпринять, ответ чат-бота и понимание контекста.

И это намерение запускает действие по размещению заказа.

Это может быть похоже на функциональность сервера, который обрабатывает заказ.

Затем чат-бот может дать соответствующий ответ, например, подтверждение того, что заказ пользователя был размещен.

И чат-бот также должен иметь возможность обрабатывать ветвление диалога, которое не всегда следует именно этому потоку.

Например, что, если пользователь, заказавший пиццу, сделает дополнительный запрос на заказ?

Чат-бот должен поддерживать естественный разговор, который учится на прошлых диалогах.

Он может вернуться к тому же самому намерению и добавить дополнительный уровень контекста или осведомленности, чтобы понять, что слово «оба» в запросе пользователя относится к двум пиццам, которые он заказывает.

Ваш чат-бот может скорректировать заказ и удовлетворить дополнительный запрос пользователя.

Как правило, рабочий процесс создания чат-бота состоит из трех этапов.

На этапе дизайна вы определяете индивидуальность вашего чат-бота.

Будет ли он упреждающим, например, делать предложения пользователям, или реагировать, просто отвечая на запросы пользователей.

Определите атрибуты, которые вы хотите добавить в диалог, стиль письма и индивидуальность диалога.

Подумайте о том, как ваш чат-бот будет приветствовать пользователя и как завершит разговор.

Как разговор должен проходить для нового пользователя по сравнению с вернувшимся пользователем.

На этапе разработки вы используете поток диалога для создания своего чат-бота с комбинацией прямого добавления намерений и ответов в консоли и написания кода для подключения к внутренним службам.

Этап развертывания в основном зависит от того, какие компоненты нужны вашему чат-боту, и каких приложений он будет касаться.

Здесь подумайте о безопасности, интеграции и масштабировании.

И здесь нужно определить, для каких платформ нужен ваш чат-бот.

Работа чат-бота всегда начинается с намерений.

Намерения — это соединительные линии дерева диалога.

Они соединяют все ветви.

Намерения определяют, в какую сторону пойдет разговор и что должен делать чат-бот.

В общении намерения можно рассматривать как корневые глаголы в диалоге, например, хочу кофе транслируется в приобретение напитка.

Иногда намерения не являются явными и выводятся из всей фразы.

И нужно сопоставить намерения с какими-то действиями.

Если у вас приложение службы поддержки, тогда намерения могут инициировать открытие заявки, обновление заявки, закрытие заявки на поддержку.

Также вашему приложению может потребоваться получить доступ и обновить информацию об учетной записи пользователя, обратиться к специалисту и провести опрос по обеспечению качества.

Даже утверждение, да или нет, может являться намерением.

И намерения развиваются по мере того, как развивается ваше понимание потребностей пользователей.

Чтобы упростить задачу определения намерений, можно применить некоторые практические правила.

Сначала определите глаголы в диалоге.

Это позволит вашему чат-боту сопоставить свои действия с потребностями пользователя.

Также нужно определить, где диалог должен ветвиться согласно логике.

После того, как вы определили намерения, вам нужно обучить своего чат-бота распознавать их.

Это можно сделать с использованием обучающих фраз.

Обучающие фразы для каждого намерения должны отражать то, как пользователи проявляют такое намерение.

Всегда полезно добавлять варианты грамматической конструкции запроса, используя пассивные и активные глаголы, вопросы и т. д.

При создании намерения, чем больше учебных фраз вы можете придумать, тем лучше.

Откроем консоль Dialogflow.

И создадим агента — чат-бот с помощью кнопки Create agent.

Введем имя агента и нажмем кнопку Create.

И теперь, здесь мы можем добавлять намерения.

Нажмем кнопку Create Intent.

Введем имя намерения order.pizza.

И теперь, ниже мы можем добавлять фразы для обучения этому намерению, используя кнопку ADD TRAINING PHRASES.

После ввода не забудьте нажимать кнопку Save сохранения.

Теперь, когда мы ввели фразы для обучения, мы можем протестировать агента.

И чтобы проверить, правильно ли было обучено намерение, мы можем использовать правую боковую панель со строкой «Попробуй сейчас» Try it now.

Здесь мы можем ввести фразу и посмотреть, сможет ли агент определить намерение.

В строке Try it now введем «Могу ли я забрать сырную пиццу за два часа?».

И здесь мы видим, что намерение определено верно — order.pizza.

И обратите внимание, что ответ по умолчанию недоступен, потому что мы не определили никаких ответов, которые агент должен был предоставить после того, как он определил намерение.

Также обратите внимание, что хотя введенная фраза не является частью обучающих фраз, агент верно определил намерение, потому что Dialogflow использует ИИ.

Агент в состоянии определить правильное намерение, потому что он определяет семантическое сходство между обучающими фразами и вводом пользователя.

Теперь, когда вы вернетесь на страницу намерений, вы увидите, что кроме намерения, которое мы только что создали, здесь уже есть два намерения, и они оба являются намерениями по умолчанию.

Откроем намерение Welcome.

Это намерение приветствия по умолчанию.

И это намерение позволяет агенту распознавать приветствия от пользователя.

Поэтому, когда пользователь говорит «Привет», «Привет», «Как дела?», агент сможет ответить приветствием и спросить, как он может помочь пользователю.

Нам не нужно определять это намерение.

Эти намерения по умолчанию создаются автоматически вместе с агентом.

Fallback намерение, как следует из названия, является запасным вариантом для агента, который не понимает, о чем просит пользователь.

Вы можете попробовать задать вопрос о погоде агенту заказа пиццы и посмотреть, что произойдет.

Вот несколько рекомендаций, которые следует соблюдать при определении намерений чат-бота.

При выборе обучающих фраз для тренировки намерения обязательно учитывайте, каким образом пользователи могут выразить это намерение.

Это может варьироваться от синонимов до различных грамматических конструкций фраз.

Другим важным аспектом является определение намерений не двусмысленным.

Это означает, что нужно избегать ситуаций, когда похожие запросы сопоставляются с разными намерениями в агенте.

Таким образом, мы узнали о создании намерений и использовании обучающих фраз, чтобы научить агента распознавать эти намерения.

Но допустим, что вы хотите, чтобы ваш агент извлек конкретную информацию, предоставленную пользователем.

Например, начинку, которую пользователь хочет для пиццы, при ее заказе, или количество ломтиков пиццы.

И вы можете сделать это с помощью сущностей.

Сущности помогают вам разобраться в особенностях взаимодействия с пользователем.

В диалоге сущности — это существительные, найденные в ходе разговора, такие как имя человека, конкретные цифры, даты, и так далее.

В случае заказа пиццы, пицца будет нести с собой группу атрибутов, которые можно рассматривать как сущности.

При заказе пиццы могут указываться такие атрибуты, как количество пицц, начинка, тип корочки, и время доставки.

Сущности помогают вашему агенту детализировать намерение и решить, как он должен действовать, основываясь на этих деталях.

Сущности также являются отличным способом добавления персонализации.

Вы можете использовать сущности, хранящиеся в базе данных, для запоминания подробностей о пользователе, таких как его имя или предпочтения, затем вы можете отобразить эти детали обратно пользователю, превратив простой диалог в дружескую беседу.

Теперь, давайте посмотрим, как мы можем создавать сущности в Dialogflow.

Чтобы создать новую сущность в Dialogflow, нажмите в правой части Entities, и на этой странице нажмите «Create Entity».

Введите имя сущности.

И здесь вы увидите две опции: одна — определить синонимы, по умолчанию, а другая — автоматическое расширение.

Давайте оставим синонимы и определим термины, чтобы описать начинку пиццы.

Давайте введем сыр.

Когда вы нажмете ввод, вы увидите, что сыр уже добавлен в качестве синонима.

Введем другие начинки, по возможности добавляя синонимы.

И нажмем сохранить Save.

Теперь, что насчет опции автоматического расширения.

Разрешить автоматическое расширение — это означает, что мы хотим разрешить агенту принимать термины, которые могут быть сказаны пользователем и изначально не добавлены в список.

Допустим, пользователь хочет помидоры в пиццу.

Если установлен флажок «Разрешить автоматическое расширение», то, когда пользователь заказывает пиццу и упоминает помидоры, и хотя этой начинки здесь нет, помидоры будут добавлен в список.

Но если вы хотите зафиксировать этот список начинок, и не хотите, чтобы новые начинки добавлялись в ваш список, вам не нужно включать эту опцию.

Теперь, мы можем промаркировать наши обучающие фразы намерения сущностью, которую мы только что создали.

Для этого откроем намерение, и в обучающей фразе дважды щелкнем слово, которое мы хотим промаркировать.

И в списке выберем нашу сущность.

Теперь термин грибы помечен сущностью pizza_topping.

Сделаем то же самое с беконом и сыром и с другими начинками.

И в конце не забудем нажать кнопку Сохранить.

И если мы теперь добавим еще одну обучающую фразу в намерение «Я хотел бы заказать пиццу с говядиной, колбасой и пепперони».

Как только мы нажмем Enter, вы увидите, что все три сущности, которые присутствуют в обучающей фразе, будут промаркированы как pizza_topping автоматически.

И так как агент автоматически маркирует соответствующие значения сущностями, имеет смысл создавать сущности перед добавлением обучающих фраз.

Теперь, когда вы создаете сущность, она может сама содержать атрибуты.

И одним из способов является использование составных сущностей.

Предположим, мы хотим создать намерение для заказа напитка.

Напиток может быть типа молочный коктейль или смузи.

Молочный коктейль и смузи являются записями в «сущности», которая называется напитком.

Кроме того, скажем, у нас есть разные вкусы и типы молока, которые можно выбрать для напитка.

И здесь мы можем использовать составную сущность, чтобы позволить агенту идентифицировать эти атрибуты, когда пользователь заказывает напиток.

Например, можно мне обезжиренный клубничный молочный коктейль?

Для этого случая создайте отдельную сущность тип молока, перечислив все виды молока, сущность вкусы.

А затем объедините эти сущности в составной сущности напитка.

Теперь, скажем, пользователь хочет указать время, когда он хочет забрать свой заказ.

В том случае, агент должен иметь возможность идентифицировать и извлечь время, в стандартном формате.

И агент сможет сообщить это время внутренней системе, ответственной за заказы.

Точно так же иногда нам нужно определить такие общие понятия, как даты, адреса, номера телефонов, имена и так далее.

Для этого можно использовать одну из системных сущностей, например, представляющую дату и время.

Системные сущности — это предварительно созданные сущности в Dialogflow, чтобы упростить обработку наиболее популярных понятий, таких как адреса, валюта, дата, время и многие другие.

Например, в обучающей фразе мы может промаркировать системной сущностью число пицц или время.

При создании сущностей необходимо помнить несколько вещей, чтобы хорошо обучить агента.

Во-первых, важно быть последовательным при маркировке сущностей в обучающих фразах.

Это поможет агенту не запутаться в том, что следует опознать в качестве данной сущности.

Например, не нужно включать предлоги в маркировку в обучающей фразе.

И нужно указать разнообразие примеров конкретной сущности в обучающих фразах.

Это позволит агенту правильно научиться распознавать эту сущность.