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... e 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: – Baseia-se no mesmo fenômeno que a tradução automática se baseia na criação de um 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.. Seqüenciar 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.
Vamos projetar uma GUI simples usando o módulo Python Tkinter com o qual criaremos um 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.... e um botão para enviar a intenção do usuário e, 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 entendi-te")
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",
"i'm" : "é você",
"eu iria" : "você poderia",
"eu tenho" : "você tem",
"eu irei" : "você irá",
"meu" : "teu",
"é você" : "Eu sou",
"você estava" : "Eu estava",
"tu tens" : "eu tenho",
"you'll" : "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 bem, e tu? ?",]
],
[
r"Desculpe (.*)",
["Está tudo bem","Tudo bem, deixa pra lá",]
],
[
r"eu estou bem",
["Ótimo ouvir isso, Como posso ajudá-lo?",]
],
[
r"i'm (.*) fazendo bem",
["Legal ouvir isso","Como posso ajudá-lo?:)",]
],
[
r"(.*) era?",
["Sou um programa de computador, cara. A sério, estás a perguntar-me isto??",]
],
[
r"que (.*) quer ?",
["Faz-me uma oferta que eu não possa recusar",]
],
[
r"(.*) criado ?",
["O Raghav criou-me 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(.*)",
["Sou um programa de computador, por isso estou sempre saudável ",]
],
[
r"(.*) (Esportes|jogos) ?",
["Sou um grande 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.
