ChatBot: Comment faire un chatbot en Python? –

ChatBot: Comment faire un chatbot en Python? -
Publié dansBlog, Général

Qu’est-ce qu’un ?

Un également connu sous le nom de chatterbot, bot, agent artificiel, etc. est essentiellement un logiciel piloté par l’intelligence artificielle qui sert à faire une conversation avec l’utilisateur par des textes ou par la parole. Des exemples célèbres incluent Siri, Alexa, etc.

Ces s sont enclins à effectuer une tâche spécifique pour l’utilisateur. Les s effectuent souvent des tâches comme effectuer une transaction, réserver un hôtel, soumettre des formulaires, etc. Les possibilités avec un sont infinies avec les progrès technologiques dans le domaine de l’intelligence artificielle.

Près de 30% des tâches sont effectuées par les s de n’importe quelle entreprise. Les entreprises utilisent ces s pour des services tels que le support client, pour fournir des informations, etc. Bien que les s soient arrivés si loin sur la ligne, le voyage est parti d’une performance très basique. Voyons l’évolution des s au cours des dernières décennies.

Evolution de Chatbox

Bots traditionnels

Bots actuels

Future Bots

Piloté par le système

Poussé par la communication aller-retour

Communication à plusieurs niveaux

Basé sur l’automatisation

L’automatisation est au niveau de la tâche

Automatisation au niveau du service

Fonctionnalité minimale

Maintient le contexte du système

Capacité à maintenir le contexte de la tâche, du système et des personnes

Maintenu uniquement le contexte du système

Maintient également le contexte de la tâche

Introduction aux bots maîtres et éventuellement à un OS bot.

Limitations avec un

Avec les progrès croissants, il arrive également un moment où il devient assez difficile de travailler avec les s. Voici quelques limitations auxquelles nous sommes confrontés avec les s.

  • Connaissance du domaine – Étant donné que la véritable intelligence artificielle est toujours hors de portée, il devient difficile pour tout de sonder complètement les limites de la conversation lorsqu’il s’agit de converser avec un humain.
  • Personnalité – Ne pas pouvoir répondre correctement et les compétences de compréhension assez médiocres ont été plus que des erreurs fréquentes de tout , ajouter une personnalité à un est toujours une référence qui semble très loin. Mais nous sommes plus qu’espérants avec les innovations existantes et les approches axées sur le progrès.

Comment ça marche?

Nous pouvons définir les s en deux catégories, voici les deux catégories de s:

  • Approche fondée sur des règles – Dans cette approche, un bot est formé selon les règles. Sur cette base, un bot peut répondre à des requêtes simples mais échoue parfois à répondre à des requêtes complexes.
  • Approche d’auto-apprentissage – Ces robots suivent l’approche d’apprentissage automatique qui est plutôt plus efficace et est divisée en deux catégories supplémentaires.
  • Modèles basés sur la récupération – Dans cette approche, le bot récupère la meilleure réponse à partir d’une liste de réponses en fonction de l’entrée utilisateur.
  • Modèles génératifs – Ces modèles proposent souvent des réponses plutôt que de rechercher à partir d’un ensemble de réponses, ce qui en fait également des robots intelligents.

Bibliothèque ChatterBot en Python

ChatterBot est une bibliothèque en python qui génère des réponses aux entrées de l’utilisateur. Il utilise un certain nombre d’algorithmes d’apprentissage automatique pour produire une variété de réponses. Il devient plus facile pour les utilisateurs de créer des s en utilisant la bibliothèque ChatterBot avec des réponses plus précises.

Indépendance linguistique

La conception de ChatterBot est telle qu’elle permet au bot d’être formé dans plusieurs langues. En plus de cela, les algorithmes d’apprentissage automatique permettent au bot de s’améliorer par lui-même en utilisant l’entrée de l’utilisateur.

Comment ça marche?

ChatterBot facilite la création de logiciels qui engagent la conversation. Chaque fois qu’un obtient la contribution de l’utilisateur, il enregistre la saisie et la réponse, ce qui aide le sans connaissances initiales à évoluer en utilisant les réponses collectées.

Avec des réponses accrues, la précision du augmente également. Le programme sélectionne la réponse correspondante la plus proche dans l’instruction de correspondance la plus proche qui correspond à l’entrée, puis il choisit la réponse dans la sélection connue d’instructions pour cette réponse.

Indépendance linguistique

La conception de ChatterBot est telle qu’elle permet au bot d’être formé dans plusieurs langues. En plus de cela, les algorithmes d’apprentissage automatique permettent au bot de s’améliorer par lui-même en utilisant l’entrée de l’utilisateur.

Comment ça marche?

ChatterBot facilite la création de logiciels qui engagent la conversation. Chaque fois qu’un obtient la contribution de l’utilisateur, il enregistre la saisie et la réponse, ce qui aide le sans connaissances initiales à évoluer en utilisant les réponses collectées.

Avec des réponses accrues, la précision du augmente également. Le programme sélectionne la réponse correspondante la plus proche dans l’instruction de correspondance la plus proche qui correspond à l’entrée, puis il choisit la réponse dans la sélection connue d’instructions pour cette réponse..

Comment installer ChatterBot en Python?

Exécutez la commande suivante dans le terminal ou dans l’invite de commande pour installer ChatterBot en python.

Installer chatterboxpip

Formateur pour

Chatterbot est livré avec un module utilitaire de données qui peut être utilisé pour entraîner les s. À l’heure actuelle, ce module contient des données de formation pour plus d’une douzaine de langues. Jetez un œil aux fichiers de données ici.

Voici un exemple simple pour commencer avec ChatterBot en python.

  • de chatterbot importer
  • depuis chatterbot.trainers, importez ListTrainer
  • #créer un nouveau
  • = («Edureka»)
  • trainer = ListTrainer ()
  • trainer.train ([ ‘hi, can I help you find a course’, ‘sure I’d love to find you a course’, ‘your course have been selected’])
  • #obtenir une réponse du
  • response = .get_response (« Je veux un cours »)
  • imprimer (réponse)

Cas d’utilisation – Flask ChatterBot

Une fois que nous avons terminé la configuration de l’application flask, nous devons ajouter deux autres répertoires statiques et modèles pour les fichiers HTML et CSS. Voici le code de l’application ChatterBot flacon.

App.py

  • depuis flask import Flask, render_template, request
  • de chatterbot importer
  • depuis chatterbot.trainers, importez ChatterBotCorpusTrainer
  • app = Flacon (__ nom__)
  • english_bot = (« Chatterbot », storage_adapter = « chatterbot.storage.SQLStorageAdapter »)
  • formateur = ChatterBotCorpusTrainer (english_bot)
  • trainer.train («chatterbot.corpus.english»)
  • @ app.route (“/”)
  • def home ():
  • return render_template (« index.html »)
  • @ app.route («/ get»)
  • def get_bot_response ():
  • userText = request.args.get (‘msg’)
  • return str (english_bot.get_response (userText))
  • si __name__ == “__main__”:
  • app.run ()

Index.html

  • ! DOCTYPE html>
  • Exemple de Flask Chatterbot

  • Salut! Je suis Chatterbot.

  • function getBotResponse() {
  • var rawText = $(“#textInput”).val();
  • ’ + rawText + ‘

    ’;

  • $(“#textInput”).val(“”);
  • $(“#chatbox”).append(userHtml);
  • document.getElementById(‘userInput’).scrollIntoView({block: ‘start’, behavior: ‘smooth’});
  • $.get(“/get”, { msg: rawText }).done(function(data) {
  • var botHtml = ‘

    ’ + data + ‘

    ’;

  • $(“#chatbox”).append(botHtml);
  • document.getElementById(‘userInput’).scrollIntoView({block: ‘start’, behavior: ‘smooth’});
  • });
  • }
  • $(“#textInput”).keypress(function(e) {
  • if(e.which == 13) {
  • getBotResponse();
  • }
  • });
  • $(“#buttonInput”).click(function() {
  • getBotResponse();
  • })
  • Style.css

    • corps
    • {
    • famille de polices: Garamond;
    • couleur de fond: noir;
    • }
    • h1
    • {
    • la couleur noire;
    • marge en bas: 0;
    • margin-top: 0;
    • alignement du texte: centre;
    • taille de police: 40px;
    • }
    • h3
    • {
    • la couleur noire;
    • taille de police: 20px;
    • margin-top: 3 pixels;
    • alignement du texte: centre;
    • }
    • #boîte de discussion
    • {
    • couleur de fond: noir;
    • marge gauche: auto;
    • marge droite: auto;
    • largeur: 40%;
    • margin-top: 60px;
    • }
    • #userInput {
    • marge gauche: auto;
    • marge droite: auto;
    • largeur: 40%;
    • margin-top: 60px;
    • }
    • #saisie de texte {
    • largeur: 87%;
    • frontière: aucune;
    • bordure inférieure: 3px solide # 009688;
    • famille de polices: monospace;
    • taille de police: 17px;
    • }
    • #buttonInput {
    • rembourrage: 3px;
    • famille de polices: monospace;
    • taille de police: 17px;
    • }
    • .userText {
    • Couleur blanche;
    • famille de polices: monospace;
    • taille de police: 17px;
    • alignement du texte: à droite;
    • hauteur de ligne: 30 px;
    • }
    • .userText span {
    • couleur de fond: # 009688;
    • rembourrage: 10px;
    • rayon-frontière: 2px;
    • }
    • .botText {
    • Couleur blanche;
    • famille de polices: monospace;
    • taille de police: 17px;
    • alignement du texte: gauche;
    • hauteur de ligne: 30 px;
    • }
    • .botText span {
    • couleur de fond: # EF5350;
    • rembourrage: 10px;
    • rayon-frontière: 2px;
    • }
    • #tidbit {
    • position: absolue;
    • en bas: 0;
    • à droite: 0;
    • largeur: 300px;
    • }

    Production:

    sortie - comment faire un chatbot en python - edureka