https://szkolazpieklarodem.pl/
Rysunek to diagram, który pomoże ci zrozumieć, w jaki sposób Rasa Core pasuje dobrze
Dzięki Rasa Core możemy określić wszystkie rzeczy, które nasz bot ma powiedzieć lub zrobić. Nazywa się to działaniami. Jedną z czynności może być przywitanie się z użytkownikiem lub wysłanie zapytania do bazy danych, albo może to być pobranie informacji za pomocą usługi internetowej lub interfejsu API. Rasa Core zapewnia możliwość trenowania naszego modelu probabilistycznego w celu przewidywania, jakie działania należy podjąć na podstawie historycznej rozmowy użytkownika lub użytkowników. Wyobraź sobie, że robisz to bez modelu ML i piszesz setki przypadków użycia, aby dowiedzieć się, jaka odpowiedź lub akcja powinna zostać wysłana lub wykonana. Krótko mówiąc, Rasa Core rozwiązuje ten problem dla Ciebie. Przyjrzyjmy się rozmowie pomiędzy użytkownikiem a botem, którą stworzyliśmy w rozdziale 3 podczas tworzenia OnlineEatsBota.
Użytkownik: OnlineEatsBot
Witaj OnlineEats: Witam! Jak mogę ci pomóc?
Chcę zamówić jedzenie: Jasne, co chciałbyś dzisiaj zamówić?
Jeden burger z kurczakiem: Gotowe. Twoja ostateczna kwota to 3,99 USD
Dziękuję: Wielkie dzięki
Ta rozmowa jest dość prosta i można ją przeprowadzić również bez żadnego modelu uczenia maszynowego, mimo że użyliśmy przeszkolonego modelu do rozpoznania intencji i zawartych w nim jednostek. Teraz interesujące pytanie, które przyjdzie Ci do głowy, brzmi: „A co, jeśli chcę, aby mój bot mógł zmieniać kolejność? A co jeśli chcę, żeby mój bot mógł usuwać lub dodawać większą ilość artykułów spożywczych?” Tak więc, jak omówiono, dodaj więcej przypadków użycia, większą złożoność, więcej intencji i ich wyrażeń, więcej if… else w kodzie do obsługi przypadków narożnych, ale kiedy budujesz chatbota dla firmy, musisz go skalować, aby wygenerować więcej za jego pośrednictwem przychody. Wszystkie systemy oprogramowania tak robią i te, którym się to udaje, przetrwają. Najważniejsze jest to, że nie możemy ciągle zmieniać i wdrażać kodu. Zamiast więc zajmować się wszystkimi przypadkami na bieżąco i powtarzać je wielokrotnie, możemy zastosować metodę uczenia maszynowego, aby rozwiązać ten problem za pomocą stosu Rasa, który powie nam, co bot powinien dalej zrobić w oparciu o kontekst użytkownika i stan rozmowy. Ponieważ model uczy się sam na podstawie kontekstu danych z poprzedniej rozmowy, botowi łatwiej jest prowadzić rozmowę bardziej naturalną i przyjazną dla użytkownika, zamiast losowo wybierać od czterech do pięciu stałych zdań. Rasa zaleca użytkownikom z niewielką ilością danych lub bez nich korzystanie z interaktywnej nauki. Więcej na temat interaktywnego uczenia się dowiemy się w dalszej części tego rozdziału. Zanim faktycznie zaczniemy używać Rasa Stack do napisania podstawowej części naszego bota, najpierw musimy zrozumieć kilka pojęć.