C'est la beauté d'un chatbot. Un chatbot est un logiciel basé sur l'IA appliqué à la PNL qui permet aux utilisateurs de traiter leurs requêtes spécifiques sans interférence humaine..
Table des matières
- Brève sur les chatbots
- Quel est le besoin de chatbots?
- Types de chatbots
- Chatbots basés sur des règles
- Chatbots autodidactes
- Chatbot utilisant Python
- Chatbot utilisant Python et NLTK
- Remarques finales
Brève introduction sur Chatbot
Un chatbot est une application intelligente qui réduit le travail humain et aide une organisation à résoudre les demandes de base des clients. Aujourd'hui, la plupart des entreprises, entreprises de différents secteurs, ils utilisent le chatbot de manière différente pour répondre au plus vite à leurs clients. Les chatbots contribuent également à augmenter le trafic du site, qui est la principale raison commerciale d'utiliser des chatbots.
Chatbot demande des informations de base aux clients, comme nom, l'adresse e-mail et la requête. Si une requête est simple, comme défaillance du produit, erreur de réservation, besoin d'informations, alors sans aucune connexion humaine, il peut le résoudre automatiquement et si un problème est élevé, transmettre les détails à la tête humaine et aider le client à se connecter facilement avec le responsable de l'organisation. Et la plupart des clients aiment traiter et parler à un chatbot.
Pourquoi avons-nous besoin de Chatbots?
- Coût et temps efficace ~ Les humains ne peuvent pas être actifs sur le site. 24 heures de la journée, Les 7 jours de la semaine, mais les chatbots le peuvent et la réactivité des chatbots est beaucoup plus rapide que celle des humains.
- Coût de développement économique ~ Avec l'avancement de la technologie, de nombreux outils sont développés qui facilitent le développement et l'intégration de chatbots avec peu d'investissement.
- Ressources humaines ~ Aujourd'hui, les chatbots peuvent également parler avec la technologie textuelle ou vocale, donc ça donne l'impression qu'un humain parle de l'autre côté.
- Marque déposée ~ Les entreprises évoluent avec la technologie et le chatbot en fait partie. Chatbot aide également dans la publicité, l'image de marque des produits et services de l'organisation et fournit des mises à jour quotidiennes aux utilisateurs.
Types de chatbots
Il y a principalement 2 types de chatbots.
1) Chatbots basés sur des règles – Comme le nom le suggère, il y a certaines règles sur lesquelles le chatbot fonctionne. En tant que modèle d'apprentissage automatique, nous formons les chatbots sur les intentions des utilisateurs et les réponses pertinentes, et sur la base de ces intentions, le chatbot identifie l'intention et la réponse du nouvel utilisateur à son égard.
2) Chatbots autodidactes – Les robots d'auto-apprentissage sont très efficaces car ils sont capables de capturer et d'identifier eux-mêmes l'intention de l'utilisateur. sont construits à l'aide d'outils et de techniques avancés d'apprentissage automatique, l'apprentissage en profondeurL'apprentissage en profondeur, Une sous-discipline de l’intelligence artificielle, s’appuie sur des réseaux de neurones artificiels pour analyser et traiter de grands volumes de données. Cette technique permet aux machines d’apprendre des motifs et d’effectuer des tâches complexes, comme la reconnaissance vocale et la vision par ordinateur. Sa capacité à s’améliorer continuellement au fur et à mesure que de nouvelles données lui sont fournies en fait un outil clé dans diverses industries, de la santé... y PNL. Les bots d'auto-apprentissage sont à leur tour divisés en 2 sous-catégories.
- Chatbots basés sur la récupération: – Basé sur la récupération est quelque peu similaire à basé sur des règles, où les modèles d'entrée et les réponses prédéfinis sont intégrés.
- Chatbots générateurs: – Il est basé sur le même phénomène sur lequel se fonde la traduction automatique, à savoir la création d'une neuronal rougeLes réseaux de neurones sont des modèles computationnels inspirés du fonctionnement du cerveau humain. Ils utilisent des structures appelées neurones artificiels pour traiter et apprendre des données. Ces réseaux sont fondamentaux dans le domaine de l’intelligence artificielle, permettant des avancées significatives dans des tâches telles que la reconnaissance d’images, Traitement du langage naturel et prédiction de séries temporelles, entre autres. Leur capacité à apprendre des motifs complexes en fait des outils puissants.. de séquence 2 séquences.
La plupart de l'organisation utilise un chatbot d'auto-apprentissage avec l'incorporation de certaines règles en tant que version hybride des deux méthodes, ce qui rend le chatbot puissant pour gérer toutes les situations lors d'une conversation avec un client.
Construisez-en un pour vous-même en utilisant Python
Nous avons maintenant une immense compréhension de la théorie des chatbots et de ses progrès futurs.. Mettons la main à la pâte en créant un simple chatbot basé sur des règles utilisant Python pour nous-mêmes.
Nous concevrons une interface graphique simple en utilisant le module Python Tkinter avec lequel nous créerons un cadre de texteLe "cadre de texte" Il s’agit d’un outil courant dans les programmes de conception et de traitement de texte, qui vous permet d’insérer et de modifier du contenu textuel de manière indépendante. Cette fonctionnalité facilite l’organisation des informations, Améliorer la présentation visuelle des documents et des graphiques. La taille des zones de texte peut être ajustée, Forme et style, ce qui en fait une ressource polyvalente pour les designers, éducateurs et professionnels dans divers domaines.... et un bouton pour envoyer l'intention de l'utilisateur et, sur l'action, nous allons créer une fonction dans laquelle nous correspondrons à l'intention de l'utilisateur et y répondrons en fonction de son intention. Si vous n'avez pas installé le module Tkinter, installez-le d'abord à l'aide de la commande pip.
pip installer tkinter
à partir de l'importation tkinter *
racine = Tk()
titre.racine("Chatbot")
envoyer par défaut():
envoyer = "Tu -> "+e.get()
txt.insert(FINIR, "m"+envoyer)
utilisateur = e.get().inférieur()
si(utilisateur == "Bonjour"):
txt.insert(FINIR, "m" + "Bot -> salut")
elif(utilisateur == "salut" ou utilisateur == "cette" ou utilisateur == "salut"):
txt.insert(FINIR, "m" + "Bot -> Bonjour")
elif(e.get() == "Comment allez-vous"):
txt.insert(FINIR, "m" + "Bot -> amende! et tu")
elif(utilisateur == "amende" ou utilisateur == "je vais bien" ou utilisateur == "je vais bien"):
txt.insert(FINIR, "m" + "Bot -> Super! comment puis-je vous aider.")
autre:
txt.insert(FINIR, "m" + "Bot -> Désolé! Je ne t'ai pas compris")
e.supprimer(0, FINIR)
txt = texte(racine)
txt.grid(ligne=0, colonne=0, envergure de colonnes=2)
e = Entrée(racine, largeur=100)
e.grille(ligne=1, colonne=0)
envoyer = bouton(racine, texte="Envoyer", commande=envoyer).la grille(ligne=1, colonne=1)
root.mainloop()
Explication – Nous avons d'abord créé une fenêtre vide, après cela, nous créons un champ de texte en utilisant la méthode de saisie et un widget de bouton qui lors de l'activation des appels, fonction envoyer et, En retour, obtenir la réponse du chatbot. Nous avons utilisé une instruction de contrôle If-else de base pour créer un chatbot simple basé sur des règles. Et vous pouvez interagir avec le chatbot en exécutant l'application depuis l'interface et vous pouvez voir le résultat comme indiqué ci-dessous.
Implémentation du chatbot à l'aide de la bibliothèque Python NLTK
NLTK signifie Natural Language Toolkit utilisé pour traiter les applications NLP et le chatbot est l'un d'entre eux. Nous allons maintenant faire progresser nos chatbots basés sur des règles en utilisant la bibliothèque NLTK. Installez d'abord la bibliothèque NLTK avant de travailler avec la commande pip.
pip installer nltk
La première chose est d'importer la bibliothèque et les classes que nous devons utiliser.
importer nltk depuis nltk.chat.util importer le chat, reflets
|
- reflets – Une autre importation que nous avons faite est les reflets, qui est un dictionnaire contenant l'entrée de base et les sorties correspondantes. Vous pouvez également créer votre propre dictionnaire avec plus de réponses que vous voulez. si vous imprimez des reflets ce sera quelque chose comme ça.
reflets = {
"Je suis" : "tu es",
"j'étais" : "vous étiez",
"je" : "tu",
"je suis" : "tu es",
"je" : "tu voudrais",
"j'ai" : "vous avez",
"je vais" : "vous serez",
"ma" : "ton",
"tu es" : "Je suis",
"vous étiez" : "j'étais",
"tu as" : "j'ai",
"tu vas" : "je le ferai",
"ton" : "ma",
"les vôtres" : "Mien",
"tu" : "moi",
"moi" : "tu"
}
commençons à construire la logique du chatbot NLTK.
Après avoir importé les bibliothèques, nous devons d'abord créer des règles. Les lignes de code ci-dessous créent un ensemble simple de règles. la première ligne décrit l'entrée utilisateur que nous avons prise comme entrée de chaîne brute et la ligne suivante est notre réponse de chatbot. Vous pouvez modifier ces paires selon les questions et réponses que vous souhaitez.
paires = [
[
r"mon nom est (.*)",
["Bonjour %1, Comment vas-tu aujourd'hui ?",]
],
[
r"salut|Hey|Bonjour",
["Bonjour", "salut",]
],
[
r"quel est ton nom ?",
["Je suis un bot créé par DataPeaker. tu peux m'appeler fou!",]
],
[
r"Comment allez-vous ?",
["Je vais bien. Et toi ? ?",]
],
[
r"Pardon (.*)",
["C'est d'accord","C'est d'accord, peu importe",]
],
[
r"je vais bien",
["Bien d'entendre ça, Comment puis-je t'aider?",]
],
[
r"je suis (.*) bien faire",
["Ca fait plaisir d'entendre ça","Comment puis-je t'aider?:)",]
],
[
r"(.*) âge?",
["Je suis un programme informatique, mec. Sérieusement, tu me poses cette question ??",]
],
[
r"Quel (.*) vouloir ?",
["Fais-moi une offre que je ne peux pas refuser",]
],
[
r"(.*) créé ?",
["Raghav m'a créé en utilisant la bibliothèque NLTK de Python ","Top secret ;)",]
],
[
r"(.*) (emplacement|ville) ?",
['Indore, Madhya Pradesh',]
],
[
r"quel temps fait-il à (.*)?",
["Météo à %1 est génial comme toujours","Homme trop chaud ici %1","Homme trop froid ici %1","Jamais entendu parler %1"]
],
[
r"je travaille dans (.*)?",
["%1 est une entreprise incroyable, j'en ai entendu parler. Mais ils sont en grande perte ces jours-ci.",]
],
[
r"(.*)il pleut (.*)",
["Pas de pluie depuis la semaine dernière ici à %2","Putain il pleut trop ici dans %2"]
],
[
r"comment (.*) santé(.*)",
["Je suis un programme informatique, donc je suis toujours en bonne santé ",]
],
[
r"(.*) (des sports|Jeu) ?",
["Je suis un grand fan de football",]
],
[
r"qui (.*) sportif ?",
["Désordonné","Ronaldo","Roony"]
],
[
r"qui (.*) (star de cinéma|acteur)?",
["Brad Pitt"]
],
[
r"je recherche des guides et des cours en ligne pour apprendre la science des données, pouvez-vous suggérer?",
["Crazy_Tech a de nombreux excellents articles avec une explication de chaque étape ainsi que du code, vous pouvez explorer"]
],
[
r"quitter",
["BBye prends soin de toi. À bientôt :) ","C'était agréable de parler avec vous. À bientôt :)"]
],
]
Après avoir créé des paires de règles, nous allons définir une fonction pour démarrer le processus de chat. La fonction est très simple, saluer d'abord l'utilisateur et demander de l'aide. Et la conversation commence à partir d'ici en appelant une classe Chat et en leur transmettant des paires et des réflexions.
chat par défaut():
imprimer("salut! Je suis un chatbot créé par DataPeaker pour votre service")
chat = Chat(paires, reflets)
chat.converse()
#initier la conversation
si __nom__ == "__principale__":
discuter()
Nous avons créé un incroyable chatbot basé sur des règles en utilisant simplement la bibliothèque Python et NLTK. Les nltk.chat fonctionne sur divers modèles de regex présents dans l'intention de l'utilisateur et, lui correspondant, présenter la sortie à un utilisateur. Exécutons l'application et discutons avec votre chatbot créé.
Remarques finales
Les chatbots sont la principale application de traitement du langage naturel et aujourd'hui, il est facile de créer et d'intégrer divers sites Web et sites de médias sociaux.. Aujourd'hui, la plupart des chatbots sont créés à l'aide d'outils tels que Dialogflow, SAVEUR, etc. Il s'agissait d'une introduction rapide aux chatbots pour présenter une compréhension de la façon dont les entreprises se transforment en utilisant la science des données et l'intelligence artificielle..
Merci d'avoir suivi l'article jusqu'au bout.. Si vous avez une requête, postez-le dans la section commentaire ci-dessous. Si vous aimez l'article, lire aussi mes autres articles via ce lien.
A propos de l'auteur
Raghav Agrawal
Je poursuis ma licence en informatique. J'aime beaucoup la science des données et le big data. J'aime travailler avec les données et apprendre de nouvelles technologies. S'il vous plait, n'hésitez pas à me contacter sur Linkedin.
