В этой статье я объясню, как от начала до конца создать простого чат-бота с глубоким обучением, который легко настраивается. Это запрограммировано на Python (я использовал Python 3.6), и весь код для этого приведен ниже.

Прежде чем мы сможем начать программировать, нам нужно загрузить несколько пакетов, которые нам нужны для работы этого проекта. Чтобы установить, перейдите к своей команде, а затем «pip install» имя пакета, и он начнет загрузку пакета. Установите пакеты ниже:

  • тензорный поток
  • учиться
  • nltk
  • тупой

Пришло время приступить к программированию. Начнем с создания данных для чат-бота. Поскольку это простой чат-бот, нам не нужны массивные данные, поэтому мы запрограммируем его сами. Это должен быть файл .json в том же формате, что и ниже. Я назвал свой файл «dataset.json».

Я объясню, как это работает, чтобы вы знали, как сделать свой собственный. Так что сделайте один такой же, и если вы хотите создать новую категорию, если пользователь что-то сказал, тег - это значение, а шаблон - это то, что сказал бы пользователь. Ответ, как вы можете себе представить, - это ответы, которые скажет чат-бот и выберет один из ответов. Чем больше данных вы предоставите, тем лучше будет ответ.

Теперь создайте новый проект, и это программа, которая будет запускать вашего чат-бота, чтобы вы могли называть его как угодно. В этом примере я назову свой проект именем jarvis.py. Нам нужно создать код, который позволит проекту подключиться к вашему набору данных. Скопируйте приведенный ниже код, и ниже я расскажу об этом подробнее.

Если имя вашего набора данных отличается от моего, измените его на имя, указанное в строке 11, и убедитесь, что он связан с кодом. Запустите программу, и если ошибок нет, значит она работает.

Теперь пришло время сделать список имеющим ценность, а также чтобы данные json извлекали данные в нашу программу.

Пришло время добавить так называемое определение корней слова. Например, если пользователь ввел «ожидал», «ждет» или «ждет», то он перейдет в режим ожидания. В приведенном ниже коде выполняется определение корней слова.

Теперь, когда мы определили местонахождение всех наших данных, нам нужно создать словарь, который называется списками слов. Ниже приведен код списка слов.

А теперь возьмем данные и выведем их в output и в массивы

Теперь, наконец, пора приступить к обучению чат-бота. Итак, мы сделаем стандартную нейронную сеть с двумя скрытыми слоями.

Теперь, когда у нас есть нейронная сеть, пора провести обучение модели и сохранить ее после обучения. На фотографии ниже вы видите число 1000, а это означает, что вы говорите ему тренироваться и просматривать данные 1000 раз.

Теперь пришло время, когда чат-бот делает прогнозы, когда вы вводите данные.

Поздравляем, вы создали чат-бота для глубокого обучения! потратьте больше времени на ввод данных и продолжайте его тренировать, и у вас будет идеальный чат-бот для ваших нужд. Спасибо, что полностью следуете инструкциям, и удачи в вашем проекте!

По сценарию Титуса Петерсена

кредит: techwithtim