Имея некоторый опыт работы с онлайн-сервисами для создания чат-ботов, я хотел создать бота, которого я мог бы обучать и запускать в автономном режиме самостоятельно, без зависимости от каких-либо других сервисов. Мои исследования привели меня к использованию Python и Rasa NLU с фреймворками с открытым исходным кодом Rasa Core , основанными на Tensorflow машинном обучении . Чтобы найти новую статью , основанную на последней версии Rasa , посмотрите: Как создать классного..

Советы и рекомендации по улучшению конвейера Rasa NLU с помощью вашего собственного токенизатора для многоязычного чат-бота. Я рассмотрел базовое руководство по созданию собственного сервера Rasa NLU для классификации намерений и распознавания именованных сущностей в предыдущем руководстве . В этой статье мы рассмотрим необходимые шаги для добавления пользовательского токенизатора в конвейер Rasa NLU. Эта статья состоит из 5 разделов: Настраивать Токенизатор Файл реестра..

Чат-боты набирают обороты каждый день, и недалек тот день, когда они коснутся практически всех аспектов жизни. Если вы видите, что такие компании, как IBM, Facebook, Google, Microsoft и Amazon, все активно работают над этим и создают свои собственные фреймворки. Фреймворки, доступные для создания чат-бота, - это стек Rasa, Microsoft Bot Framework, Google Dialogflow и т. д. Давайте посмотрим на преимущество Rasa над другими фреймворками, доступными на рынке. Почему РАСА? Стек RASA -..