Chatbot usando a biblioteca NLTK | Construir Chatbot em Python usando NLTK

Essa é a beleza de um chatbot. Um chatbot é um software baseado em IA aplicado à PNL que lida com usuários para lidar com suas consultas específicas sem interferência humana..

Tabela de conteúdo

• Breve sobre chatbots
• Qual é a necessidade de chatbots?
• Tipos de chatbot
  • Chatbots baseados em regras
  • Chatbots de autoaprendizagem
• Chatbot usando Python
• Chatbot usando Python e NLTK
• Notas finais

Breve introdução sobre o Chatbot

Um chatbot é um aplicativo inteligente que reduz o trabalho humano e ajuda uma organização a resolver consultas básicas de clientes.. Hoje em dia, a maioria das empresas, empresas de diversos setores, eles usam o chatbot de uma maneira diferente para responder aos clientes o mais rápido possível. Os chatbots também ajudam a aumentar o tráfego do site, qual é a principal razão comercial para usar chatbots.

O chatbot solicita informações básicas dos clientes, como o nome, endereço de e-mail e consulta. Se uma consulta é simples, como falha do produto, erro de reserva, preciso de informações, então sem qualquer conexão humana pode resolvê-lo automaticamente e se algum problema for alto, passe os detalhes para a cabeça humana e ajude o cliente a se conectar facilmente com o gerente da organização. E a maioria dos clientes gosta de negociar e conversar com um chatbot.

Por que precisamos de Chatbots?

• Eficaz em custo e tempo ~ Humanos não podem estar ativos no site 24 horas do dia, a 7 dias da semana, mas os chatbots podem e o poder de resposta dos chatbots é muito mais rápido que os humanos.
• Custo do desenvolvimento econômico ~ Com o avanço da tecnologia, são desenvolvidas muitas ferramentas que facilitam o desenvolvimento e integração de chatbots com pouco investimento..
• Recursos Humanos ~ Hoje em dia, chatbots também podem falar usando tecnologia de texto ou voz, então dá a sensação de que um humano está falando do outro lado.
• Marca registrada ~ As empresas estão mudando com a tecnologia e o chatbot é uma delas. O chatbot também ajuda na publicidade, marca de produtos e serviços da organização e fornece atualizações diárias aos usuários.

Tipos de chatbot

Existem principalmente 2 tipos de chatbot.

1) Chatbots baseados em regras – Como o nome sugere, existem certas regras sobre as quais o chatbot opera. Como um modelo de aprendizado de máquina, treinamos chatbots nas intenções do usuário e respostas relevantes, e com base nessas intenções, o chatbot identifica a intenção do novo usuário e a resposta a ela.

2) Chatbots de autoaprendizagem – Os bots de autoaprendizagem são muito eficientes porque são capazes de capturar e identificar a intenção do usuário por conta própria.. são construídos usando ferramentas e técnicas avançadas de aprendizado de máquina, aprendizado profundoAqui está o caminho de aprendizado para dominar o aprendizado profundo em, Uma subdisciplina da inteligência artificial, depende de redes neurais artificiais para analisar e processar grandes volumes de dados. Essa técnica permite que as máquinas aprendam padrões e executem tarefas complexas, como reconhecimento de fala e visão computacional. Sua capacidade de melhorar continuamente à medida que mais dados são fornecidos a ele o torna uma ferramenta fundamental em vários setores, da saúde... y PNL. Os bots de autoaprendizagem são divididos em 2 subcategorias.

• Chatbots baseados em recuperação: – Baseado em busca é semelhante ao baseado em regras, onde os padrões de entrada e resposta predefinidos são incorporados.
• Geradores de chatbots: – Se basa en el mismo fenómeno que la traducción automática se basa en la creación de una neuronal vermelhoAs redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano. Eles usam estruturas conhecidas como neurônios artificiais para processar e aprender com os dados. Essas redes são fundamentais no campo da inteligência artificial, permitindo avanços significativos em tarefas como reconhecimento de imagem, Processamento de linguagem natural e previsão de séries temporais, entre outros. Sua capacidade de aprender padrões complexos os torna ferramentas poderosas.. de secuencia 2 sequências.

A maior parte da organização usa um chatbot de autoaprendizagem juntamente com a incorporação de algumas regras como a versão híbrida de ambos os métodos, o que torna o chatbot poderoso para lidar com todas as situações durante uma conversa com um cliente.

Construa um para você usando Python

Agora temos uma imensa compreensão da teoria dos chatbots e seu avanço no futuro. Vamos sujar as mãos construindo um chatbot simples baseado em regras usando Python para nós mesmos.

Diseñaremos una GUI simple usando el módulo Python Tkinter con el cual crearemos un quadro de textoo "quadro de texto" É uma ferramenta comum em programas de design e processamento de texto, que permite inserir e editar conteúdo textual de forma independente. Essa funcionalidade facilita a organização das informações, Melhorar a apresentação visual de documentos e gráficos. As caixas de texto podem ser ajustadas em tamanho, Forma e estilo, tornando-os um recurso versátil para designers, educadores e profissionais de diversas áreas.... y un botón para enviar la intención del usuario y, sobre a ação, criaremos uma função onde corresponderemos à intenção do usuário e responderemos a eles com base em sua intenção. Se você não tiver o módulo Tkinter instalado, primeiro instale-o usando o comando pip.

pip instalar tkinter

da importação do tkinter *
raiz = Tk()
root.title("Chatbot")
def enviar():
    enviar = "Vocês -> "+e. obter()
    txt.inserir(FIM, "n"+mandar)
    usuário = e.get().diminuir()
    E se(usuário == "Olá"):
        txt.inserir(FIM, "n" + "Robô -> Oi")
    elif(usuário == "Oi" ou usuário == "esta" ou usuário == "oiiii"):
        txt.inserir(FIM, "n" + "Robô -> Olá")
    elif(e. obter() == "como você está"):
        txt.inserir(FIM, "n" + "Robô -> multar! e você")
    elif(usuário == "multar" ou usuário == "eu estou bem" ou usuário == "eu estou indo bem"):
        txt.inserir(FIM, "n" + "Robô -> Excelente! Como posso ajudá-lo.")
    outro:
        txt.inserir(FIM, "n" + "Robô -> Desculpe! eu não te peguei")
    e.excluir(0, FIM)
txt = Texto(raiz)
txt.grid(linha=0, coluna=0, columnspan=2)
e = entrada(raiz, largura = 100)
e.grade(linha=1, coluna=0)
enviar = botão(raiz, text ="Mandar", comando=enviar).rede(linha=1, coluna=1)
root.mainloop()

Explicação – Primeiro criamos uma janela em branco, depois disso, criamos um campo de texto usando o método de entrada e um widget de botão que nas chamadas de gatilho, função enviar e, Em troca, obter a resposta do chatbot. Usamos uma instrução de controle If-else básica para construir um chatbot simples baseado em regras. E você pode interagir com o chatbot executando o aplicativo no frontend e pode ver o resultado abaixo.

Implementação de chatbot usando a biblioteca Python NLTK

NLTK significa Natural Language Toolkit usado para lidar com aplicativos NLP e o chatbot é um deles. Agora seguiremos em frente com nossos chatbots baseados em regras usando a biblioteca NLTK. primeiro instalar a biblioteca nltk antes de trabalhar com o comando pip.

pip instalar nltk

A primeira coisa é importar a biblioteca e as aulas que precisamos usar.

import nltk
from nltk.chat.util import Chat, Reflexões

• Reflexões – Outra importação que fizemos são reflexões, que é um dicionário que contém a entrada básica e saídas correspondentes. Você também pode criar seu próprio dicionário com mais respostas do que você quer. se você imprimir reflexões será algo assim.

reflexões = {
  "Eu sou"       : "é você",
  "Eu estava"      : "você estava",
  "eu"          : "você",
  "Eu sou"        : "é você",
  "Eu tinha"        : "você poderia",
  "Eu tenho"       : "você tem",
  "Eu vou"       : "você irá",
  "meu"         : "teu",
  "é você"    : "Eu sou",
  "você estava"   : "Eu estava",
  "você tem"     : "eu tenho",
  "você vai"     : "Eu irei",
  "teu"       : "meu",
  "Sua"      : "minha",
  "você"        : "mim",
  "mim"         : "você"
}

vamos começar a construir a lógica para o chatbot NLTK.

Após importar as bibliotecas, primeiro temos que criar regras. As linhas de código abaixo criam um conjunto simples de regras. a primeira linha descreve a entrada do usuário que tomamos como entrada de string bruta e a próxima linha é nossa resposta do chatbot. Você pode modificar esses pares de acordo com as perguntas e respostas que deseja.

pares = [
    [
        r"Meu nome é (.*)",
        ["Olá %1, Como você está hoje ?",]
    ],
    [
        r"Oi|Ei|Olá",
        ["Olá", "ei",]
    ], 
    [
        r"Qual o seu nome ?",
        ["Eu sou um bot criado por DataPeaker. você pode me chamar de louco!",]
    ],
    [
        r"como você está ?",
        ["Estou indo bem, e quanto a você ?",]
    ],
    [
        r"Desculpe (.*)",
        ["Está tudo bem","Tudo bem, deixa pra lá",]
    ],
    [
        r"eu estou bem",
        ["Ótimo ouvir isso, Como posso ajudá-lo?",]
    ],
    [
        r"Eu sou (.*) fazendo bem",
        ["Legal ouvir isso","Como posso ajudá-lo?:)",]
    ],
    [
        r"(.*) era?",
        ["Eu sou um programa de computador cara, sério, você está me perguntando isso?",]
    ],
    [
        r"que (.*) quer ?",
        ["Faça-me uma oferta que não posso recusar",]
    ],
    [
        r"(.*) criado ?",
        ["Raghav me criou usando a biblioteca NLTK do Python ","ultra secreto ;)",]
    ],
    [
        r"(.*) (localização|cidade) ?",
        ['Indore, Madhya Pradesh',]
    ],
    [
        r"como está o clima (.*)?",
        ["Tempo em %1 é incrível como sempre","homem muito quente aqui em %1","Homem muito frio aqui em %1","Nunca nem ouviu falar %1"]
    ],
    [
        r"eu trabalho em (.*)?",
        ["%1 é uma empresa incrível, eu ouvi sobre isso. Mas eles estão em grande perda nos dias de hoje.",]
    ],
    [
        r"(.*)chovendo em (.*)",
        ["Sem chuva desde a semana passada aqui em %2","Porra, está chovendo muito aqui em %2"]
    ],
    [
        r"Como as (.*) saúde(.*)",
        ["Eu sou um programa de computador, então estou sempre saudável ",]
    ],
    [
        r"(.*) (Esportes|jogos) ?",
        ["sou muito fã de futebol",]
    ],
    [
        r"Who (.*) desportista ?",
        ["Bagunçado","Ronaldo","Roony"]
    ],
    [
        r"Who (.*) (estrela de cinema|ator)?",
        ["Brad Pitt"]
    ],
    [
        r"estou procurando guias e cursos on-line para aprender ciência de dados, você pode sugerir?",
        ["Crazy_Tech tem muitos artigos excelentes com cada explicação de passo junto com o código, você pode explorar"]
    ],
    [
        r"Sair",
        ["Bjs se cuide. Vejo você em breve :) ","Foi bom falar com você.. Vejo você em breve :)"]
    ],
]

Depois de criar pares de regras, vamos definir uma função para iniciar o processo de bate-papo. A função é muito simples, primeiro cumprimentar o usuário e pedir ajuda. E a conversa começa a partir daqui, chamando uma aula de Bate-Papo e passando pares e reflexões..

def chat():
    imprimir("Oi! Eu sou um chatbot criado pela DataPeaker para o seu serviço")
    chat = Chat(Pares, Reflexões)
    chat.converse()
#initiate the conversation
if __name__ == "__a Principal__":
    bate-papo()

Criamos um incrível chatbot baseado em regras apenas usando a biblioteca Python e nLTK. a nltk.chat funciona em vários padrões de expressões regulares presentes na intenção do usuário e, correspondente a ele, apresenta a saída para um usuário. Vamos executar o aplicativo e conversar com o seu chatbot criado.

Notas finais

Os chatbots são o principal aplicativo de processamento de linguagem natural e hoje é fácil de criar e integrar com vários sites e sites de mídia social.. Hoje em dia, a maioria dos chatbots são criados usando ferramentas como o Dialogflow, SABOR, etc. Esta foi uma introdução rápida aos chatbots para apresentar uma compreensão de como as empresas estão se transformando usando ciência de dados e inteligência artificial..

Obrigado por acompanhar o artigo até o final.. Se você tiver alguma dúvida, poste na seção de comentários abaixo. Se você gostou do artigo, leia também meus outros artigos através deste link.

Sobre o autor

Raghav Agrawal

Estou buscando meu diploma em ciência da computação. Eu realmente gosto de ciência de dados e big data. Adoro trabalhar com dados e aprender novas tecnologias. Por favor, sinta-se à vontade para se conectar comigo no Linkedin.

Relacionado