Proiect de Chat Bot În Python
Tradus de
ScribdTranslationsProiect de Chat Bot În Python
Tradus de
ScribdTranslationsVezi discuț ii, statistici ș i profiluri de autori pentru această publicaț ie la:Invalid input, please provide the text
to be translated.
Proiect de chatbot în Python
Raport TehnicIanuarie 2022
CITAȚ II CITIRI
0 8.247
1 autor
Isaac Ikwuegbu
IU Universitatea Internaț ională de Ș tiinț e Aplicate
13PUBLICA Ț II0CITATIONS
VIZUALIZEAZĂ PROFILUL
Unii dintre autorii acestei publicaț ii lucrează ș i la aceste proiecte conexe:
Vehicul autonom: Etică morală ș i problema tramvaiuluiVizualizaț i proiectul
Proiect UI/UX pentru un centru [Link]ț i proiectul
Tot conț inutul următoarei pagini a fost încărcat deIsaac Ikwuegbupe 29 ianuarie 2022.
Utilizatorul a solicitat îmbunătăț irea fiș ierului descărcat.
Proiect de chatbot Python – Învăț aț i să
creează-ț i primul chatbot folosind NLTK
& Keras
Hei Siri, care este semnificaț ia vieț ii?
Conform tuturor dovezilor, este ciocolată pentru tine.
Imediat ce am auzit acest răspuns de la Siri, am ș tiut că am găsit un partener perfect de savurat
orele mele de solitudine. De la întrebări stupide la câteva sfaturi destul de serioase, Siri
a fost întotdeauna acolo pentru mine.
Cât de uimitor este să-i spui cuiva totul ș i orice ș i să nu fii
evaluat deloc. Este o senzaț ie de clasă superioară ș i aceasta este frumuseț ea unui chatbot.
Acesta este al 9-lea proiect din seria de 20 de proiecte Python de la DataFlair ș i face
asigură-te că salvezi alte proiecte interesante:
Ce este un chatbot?
Un chatbot este un program software inteligent care este capabil să comunice
ș i efectuând acț iuni similare unui om. Chatboț ii sunt folosiț i mult în
interacț iunea cu clienț ii, marketing pe site-uri de reț ele sociale ș i instantaneu
mesajând clientul. Există două tipuri de bază de modele de chatbot, bazate pe
cum sunt construite; modele bazate pe recuperare ș i modele bazate pe generare.
1. Chatboț i bazati pe recuperare
Un chatbot bazat pe recuperare foloseș te modele de input ș i răspunsuri predefinite.
apoi foloseș te un tip de abordare euristică pentru a selecta răspunsul corespunzător.
Este utilizat pe scară largă în industrie pentru a crea chatboț i orientaț i spre obiective unde putem
personalizaț i tonul ș i fluxul chatbot-ului pentru a atrage clienț ii noș tri cu
cea mai bună experienț ă.
2. Chatboț i bazaț i pe generare
Modelele generative nu se bazează pe răspunsuri predefinite.
Ele sunt bazate pe reț ele neuronale seq 2 seq. Este aceeaș i idee ca maș ina
În traducerea automată, traducem codul sursă dintr-o
limbaj în alt limbaj, dar aici, vom transforma inputul în
o ieș ire. Necesită o cantitate mare de date ș i se bazează pe reț ele neuronale profunde
reț ele.
Despre proiectul Python–Chatbot
În acest proiect Python cu cod sursă, vom construi un chatbot folosind
tehnici de învăț are profundă. Chatbot-ul va fi antrenat pe setul de date care
conț ine categorii (intenț ii), modele ș i răspunsuri. Folosim o modalitate specială
reț ea neurală recurentă (LSTM) pentru a clasifica în ce categorie se află utilizatorul
mesajul aparț ine ș i apoi vom oferi un răspuns aleatoriu din lista de
răspunsuri.
Să creăm un chatbot bazat pe recuperare folosind NLTK, Keras, Python, etc.
Descărcaț i codul Chatbot ș i setul de date
Setul de date pe care îl vom folosi este ‚[Link]’. Acesta este un fiș ier JSON care conț ine
modelele pe care trebuie să le găsim ș i răspunsurile pe care dorim să le returnăm utilizatorului.
Vă rugăm să descărcaț i codul chatbot Python ș i setul de date de la următoarele
linkCod ș i set de date pentru chatbot Python
Cerinț e preliminare
Proiectul necesită să ai cunoș tinț e bune de Python, Keras,
ș iProcesarea limbajului natural (NLTK). Alături de ei, vom folosi ș i niș te
module de ajutor pe care le poț i descărca folosind comanda python-pip.
pip instalare tensorflow, keras, pickle, nltk
Cum să faci un chatbot în Python?
Acum vom construi chatbot-ul folosind Python, dar mai întâi, haideț i să vedem fiș ierul
structura ș i tipul de fiș iere pe care le vom crea:
[Link] – Fiș ierul de date care conț ine modele ș i răspunsuri predefinite.
train_chatbot.py – În acest fiș ier Python, am scris un script pentru a construi modelul.
ș i să antrenăm chatbotul nostru.
[Link] – Acesta este un fiș ier pickle în care stocăm obiectul de tip Python pentru cuvinte
care conț ine o listă a vocabularului nostru.
[Link]–Fiș ierul pickle al claselor conț ine lista de categorii.
Chatbot_model.h5 – Acesta este modelul antrenat care conț ine informaț ii
despre model ș i are greutăț i ale neuronilor.
[Link] – Acesta este scriptul Python în care am implementat GUI pentru
chatbot-ul nostru. Utilizatorii pot interacț iona cu uș urinț ă cu botul.
Iată cei 5 paș i pentru a crea un chatbot în Python de la zero:
1. Importa ț i ș i încărca ț i fi ș ierul de date
2. Preprocesează datele
3. Creează date de antrenament ș i testare
4. Construie ș te modelul
5. Prezice răspunsul
6.1. Importa ț i ș i încărca ț i fi ș ierul de date
7. În primul rând, crea ț i un fi ș ier numit train_chatbot.py. Importăm necesarul
pachete pentru chatbot-ul nostru ș i iniț ializăm variabilele pe care le vom folosi în
Proiect Python.
8. Fi ș ierul de date este în format JSON, a ș a că am folosit pachetul json pentru a analiza
Fiș ier JSON în Python.
2. Prelucrarea datelor
Când lucrăm cu date textuale, trebuie să efectuăm diverse prelucrări pe
datele înainte de a crea un model de învăț are automată sau de învăț are profundă. Pe baza
în funcț ie de cerinț e, trebuie să aplicăm diverse operaț iuni pentru a preprocesa
date.
Tokenizarea este cel mai de bază ș i primul lucru pe care îl poț i face cu datele de text.
Tokenizarea este procesul de a fragmenta întregul text în părț i mici precum
cuvinte.
Aici iterăm prin modele ș i tokenizăm propoziț ia folosind
funcț ia nltk.word_tokenize() ș i adaugă fiecare cuvânt în lista de cuvinte. Noi
crează de asemenea o listă de clase pentru etichetele noastre.
Acum vom lemmatiza fiecare cuvânt ș i vom elimina cuvintele duplicate din listă.
Lematizarea este procesul de conversie a unui cuvânt în forma sa lematizată ș i apoi
creând un fiș ier pickle pentru a stoca obiectele Python pe care le vom folosi în timp ce
predicț ie.
3. Creaț i date de antrenament ș i testare
4. Construieș te modelul
Avem datele noastre de antrenament pregătite, acum vom construi o reț ea neurală profundă care
are 3 straturi. Folosim API-ul secvenț ial Keras pentru asta. După antrenarea modelului
pentru 200 de epoci, am realizat o acurateț e de 100% pe modelul nostru. Să salvăm
model ca 'chatbot_model.h5'.
5. Preziceț i răspunsul (Interfaț a grafică a utilizatorului)
Pentru a prezice propoziț iile ș i a obț ine un răspuns de la utilizator pentru a ne lăsa să creăm o
fiș ier nou ‘[Link]’.
Vom încărca modelul antrenat ș i apoi vom folosi o interfaț ă grafică care va
previziunea răspunsului de la bot. Modelul ne va spune doar clasa lui
aparț ine, aș a că vom implementa câteva funcț ii care vor identifica clasa
ș i apoi ne preiaț i un răspuns aleatoriu din lista de răspunsuri.
Din nou, importăm pachetele necesare ș i încărcăm '[Link]' ș i
fiș ierele pickle ‘[Link]’ pe care le-am creat atunci când ne-am antrenat modelul:
Pentru a prezice clasa, va trebui să oferim input în acelaș i mod în care am făcut-o.
în timpul antrenamentului. Aș a că vom crea câteva funcț ii care vor efectua text
preprocesare ș i apoi prezicerea clasei.
După ce vom prezice clasa, vom obț ine un răspuns aleatoriu din lista de
intenț ii.
Acum vom dezvolta o interfaț ă grafică pentru utilizator. Să folosim biblioteca Tkinter care
este livrat cu o mulț ime de biblioteci utile pentru GUI. Vom lua mesajul de intrare
de la utilizator ș i apoi foloseș te funcț iile ajutătoare pe care le-am creat pentru a obț ine
răspuns de la bot ș i afişarea acestuia pe GUI. Iată codul sursă complet
pentru interfaț a grafică.
6. Rulează chatbot-ul
Pentru a rula chatbot-ul, avem două fiș iere principale; train_chatbot.py ș i [Link].
Mai întâi, antrenăm modelul folosind comanda din terminal:
python train_chatbot.py
Dacă nu vedem nicio eroare în timpul antrenamentului, am creat cu succes
model. Apoi, pentru a rula aplicaț ia, rulăm al doilea fiș ier.
python [Link]
Programul va deschide o fereastră GUI în câteva secunde. Cu GUI
poț i conversa uș or cu botul.
Rezumat
În acest proiect de ș tiinț a datelor în Python, am înț eles despre chatboț i ș i
am implementat o versiune de chatbot bazată pe învăț are profundă în Python care este precisă.
Poț i personaliza datele în funcț ie de cerinț ele afacerii ș i poț i antrena
chatbot cu o mare precizie. Chatboț ii sunt utilizaț i peste tot ș i în toate afacerile
aș teaptă cu nerăbdare să implementeze botul în fluxul lor de lucru.
Sper că vei practica personalizând propriul tău chatbot folosind Python ș i
nu uita să ne arăț i munca ta. Ș i, dacă ai găsit articolul util, fă
împărtăș eș te proiectul cu prietenii ș i colegii tăi.