V této kapitole se naučíš, jak vytvořit svého prvního chatbota. Po krátkém historickém úvodu nastavíš základní strukturu pro příjem textu a odpovídání uživatelům a pak přidáš základní prvky osobnosti. Následně sestavíš systémy založené na pravidlech pro zpracování textu.

Úvod do konverzačního softwaru

EchoBot I

EchoBot II

Vytváření osobnosti

Tlachání

Přidání rozmanitosti

ELIZA I: kladení otázek

Zpracování textu pomocí regulárních výrazů

ELIZA II: Extrakce klíčových frází

ELIZA III: Zájmena

ELIZA IV: Vše dohromady

Chatboti 101

Tady využiješ strojové učení k převodu přirozeného jazyka na strukturovaná data pomocí nástrojů spaCy, scikit-learn a rasa NLU. Začneš krátkým opakováním teoretických základů a pak přejdeš k budování modelů na datasetu ATIS, který obsahuje tisíce vět od skutečných lidí pracujících se systémem pro rezervaci letů.

Záměry a entity – základní pojmy

Klasifikace záměrů pomocí regexů I

Klasifikace záměru pomocí regexu II

Extrakce entit pomocí regexu

Vektory slov

word vectors se spaCy

Záměry a klasifikace

Klasifikace záměrů pomocí sklearn

Extrakce entit

Rozpoznávání entit pomocí spaCy

Přiřazení rolí pomocí parseru spaCy

Spolehlivé porozumění přirozenému jazyku s rasa NLU

Rasa NLU

Rozpoznávání entit s minimem trénovacích dat

Porozumění přirozenému jazyku

V této kapitole postavíš osobního asistenta, který ti pomůže naplánovat výlet. Bude schopen reagovat na otázky jako „jsou v severní části města nějaké levné hotely?" tak, že prohledá hotelovou databázi a najde odpovídající výsledky.

Virtuální asistenti a přístup k datům

Základy SQL

SQL dotazy v Pythonu

Prozkoumávání databáze pomocí přirozeného jazyka

Sestavování dotazů z parametrů

Hledání hotelů pomocí vlastní funkce

Tvorba SQL dotazů z přirozeného jazyka

Postupné doplňování slotů a negace

Zpřesnění vyhledávání

Základní negace

Filtrování s vyloučenými sloty

Vytváření virtuálního asistenta

Vše, co jsi dosud postavil/a, mapovalo záměry na akce a odpovědi bez uchovávání stavu. Je až překvapivé, jak daleko se s tím dá dojít! Ale pro vytváření sofistikovanějších botů budeš vždy potřebovat přidat stavovost. To je přesně to, co tady uděláš – postavíš chatbota, který uživatelům pomáhá objednávat kávu.

Proč je stavovost klíčová

Vyplňování formuláře

Kontextové otázky

Jak reagovat na odmítnutí

Kladení otázek a řazení odpovědí do fronty

Čekající akce I

Čekající akce II

Přechody ve stavu čekání

Dáme to dohromady – část 1

Vše dohromady II

Hranice výzkumu dialogových systémů

Generování textu pomocí neuronových sítí

Gratulujeme!

Dialog

Zprávy a hlasem ovládaná zařízení jsou dalšími velkými platformami a konverzační technologie hrají klíčovou roli při vytváření poutavých zážitků v rozšířené a virtuální realitě. Tento kurz tě nakopne na cestě k tvorbě takových aplikací. Budování podobných programů přináší řadu jedinečných výzev – například jak převést lidský jazyk na instrukce pro stroje? V tomto kurzu se s tím nejprve vypořádáš pomocí systémů založených na pravidlech a pak pomocí strojového učení. Některé chatovací systémy jsou navržené jako užitečné nástroje, jiné jsou prostě jen zábavné. Postavíš jeden z každého druhu a vše spojíš v přátelského a praktického chatbota. Po dokončení kurzu se také naučíš, jak chatbota propojit s Facebook Messengerem!

Introduction to Natural Language Processing in Python

Naučte se základy tvorby konverzačních botů pomocí pravidel a strojového učení.

Building Chatbots in Python

Naučte se základy tvorby konverzačních botů pomocí pravidlových systémů i strojového učení.

Co-founder and CTO, Rasa

Robustní NLU s Rasa

Formát dat Rasa

Interpretery

Použití Rasa

Pipelines v Rasa

Podmíněná náhodná pole

Zpracování překlepů

Pojďme si procvičit!

Porozumění přirozenému jazyku - Spolehlivé porozumění přirozenému jazyku s rasa NLU

Spolehlivé porozumění přirozenému jazyku s rasa NLU

Create Your Free Account