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.

ChatterBot

ChatterBot — это библиотека Python, которая позволяет легко генерировать автоматические ответы на вводимые пользователем данные.

И ChatterBot использует набор алгоритмов машинного обучения для получения различных типов ответов.

И ChatterBot является независимой от языка библиотекой, что позволяет обучать чат-бота говорить на любом языке.

Кроме того, машинное обучение ChatterBot позволяет экземпляру агента улучшить свои знания о возможных ответах при дальнейшем взаимодействии с людьми и другими источниками данных.

Изначально, необученный экземпляр ChatterBot запускается без знания того, как общаться.

Каждый раз, когда пользователь вводит фразу, библиотека сохраняет введенный текст и текст ответа.

По мере того, как ChatterBot получает больше входных данных, количество ответов, которыми он может ответить, и точность каждого ответа по отношению к вводу пользователя увеличивается.

Программа выбирает наиболее подходящий ответ, выполняя поиск наиболее подходящего ответа, который соответствует вводу.

Для начала работы с ChatterBot, необходимо установить библиотеку с помощью инструмента pip.

И у вас должен быть установлен питон 64 битный, а не 32 битный.

New Slide

Прежде всего, ChatterBot должен быть импортирован.

И здесь мы импортируем класс ChatBot из библиотеки chatterbot.

И мы создаем новый экземпляр класса ChatBot.

Библиотека ChatterBot поставляется со встроенными классами адаптеров, которые позволяют подключаться к различным типам баз данных.

И класс адаптера, и путь к базе данных указываются как параметры конструктора класса ChatBot.

Класс SQLStorageAdapter является адаптером ChatterBot по умолчанию.

Если вы не укажете адаптер в конструкторе, адаптер SQLStorageAdapter будет использоваться автоматически.

И класс SQLStorageAdapter позволяет чат-боту подключаться к базам данных SQL.

По умолчанию этот адаптер создает базу данных SQLite.

Библиотека ChatterBot включает в себя инструменты, которые помогают упростить процесс обучения экземпляра чат-бота.

Обучение ChatterBot включает загрузку примера диалога в базу данных чат-бота.

При этом строится граф, который представляет наборы известных вводов и ответов.

Когда тренеру чат-бота предоставляется набор данных, он создает необходимые записи в графе знаний чат-бота.

И библиотека ChatterBot поставляется со встроенными классами тренеров, или вы можете создать свой собственный класс тренера, если это необходимо.

Чтобы использовать класс тренера, вы вызываете метод train для экземпляра тренера, который был инициализирован вашим чат-ботом.

Класс тренера ListTrainer позволяет обучить чат-бота, используя список строк, где список представляет собой разговор пользователя с чат-ботом.

И для процесса обучения вам нужно передать список фраз этого разговора.

Каждый такой список будут представлять отдельный разговор.

После обучения мы создаем цикл while для чат-бота.

Конец ознакомительного фрагмента.