Share
Embed
Transcript
51 slides
-
rasa boilerplate Chegue sem saber nada de chatbot e faça
um que fala mais que minha vó na fila da lotérica from zero to hero -
Quem sou eu Bruna Moreira Saudades de dançar um forró,
mas feliz que tenho meus gatos e a barra de pole dance por perto. Engenheira de software PyLadies DF Organizadora da BOSS Acompanha Legis Forrozeira #praTodosVerem: foto estilo retrato, mulher branca com cabelos ondulados e curtos. Está sorrindo e com uma camiseta laranja. Aprendendo libras -
Mão na massa 01 Instalação Criar entidade 03 Sinônimos Criar
conversa 02 Intent, utter, story Criar ações 04 Python!!! -
Rasa webchat 05 Bot no navegador Telegram 06 Bot no
telegram Análise 07 Métricas e mais métricas -
Comunicação Conteúdo Entendimento Ação Personalidade Análise de dados O que
está envolvido? Projeto de chatbot Personalidade Sugestões de leitura -
RASA boilerplate Projeto de software livre brasileiro para a criação
de chatbots RASA -
Projeto brasileiro GPL 3.0 Link para o repositório #praTodosVerem: screenshot
do repositório no github -
Para rodar e contribuir • docker • docker-compose Requisitos docker
docker-compose Documentação local • gitbook gitbook -
Bot no terminal git clone make first-run já pode conversar
Pode demorar um pouco por conta do treinamento do modelo. -
Intents Intenção do usuário: o que ele quer falar e
como ele fala ## intent:comida - Qual a sua comida preferida? - Que comida você gosta? - Que comida vc gosta? - qual a melhor comida? - Qual seu lanche preferido? ## intent:onde_voce_mora - onde voce mora - onde voce vive - onde voce habita - em que lugar você vive - onde voce está agora -
utter_comida: - text: "Na verdade, eu sou um bot. Não
nos alimentamos com os alimentos convencionais ;P" - text: "Digamos que os bots não se alimentam dos mesmos alimentos que os humanos. Na verdade, Nem lembro da última vez que comi alguma coisa hahaha" utter_risada: - text: "Hahahaha... Engraçadinho" - text: "kkkkkkkkkk Você está feliz hoje, hein!?" Respostas possíveis: - definir uma ou mais respostas - o bot escolhe aleatoriamente Utters -
Fluxos de diálogos: • Intent + utter • Depende do
objetivo da conversa ## path_onde_voce_mora 1 * onde_voce_mora - utter_onde_voce_mora - utter_continuar_conversa ## path_onde_voce_mora 2 * cumprimentar - utter_cumprimentar * onde_voce_mora - utter_onde_voce_mora - utter_continuar_conversa intents utters Stories -
Respostas diferentes screenshot de um chat no telegram Mesma pergunta
feita duas vezes seguida Respostas com textos diferentes #praTodosVerem: screenshot de um chat no telegram. A pergunta repetida foi: "Qual sua licensa". A primeira resposta foi: "Eu sou e sempre serei um robô livre, open source, GNU v3.0". A segunda foi "Sou um software livre. Licenciado com a GNU v3.0". Após ambas ele pergunta: "E aí qual nosso próximo assunto?" -
Entities ## intent:relationship - Você tem [namorada](relationship)? - Você [namora](relationship)?
- [Namora](relationship) comigo? - Quer [namorar](relationship)? - Tem [boyfriend](relationship)? - Tem [girlfriend](relationship)? ## synonym:lei_rouanet <!-- synonyms, method 2 --> - lei rouanet - Lei Rouanet - Lei de Incentivo a Cultura - ruane - ruanê - ruanet - rouane - rouanê As entidades são temas que ajudam a categorizar as conversas -
Ações que o desenvolvedor quer que o bot faça além
de responder. Custom Actions -
Criar ações 04 Criar entidade na nlu.md Colocar entidade na
domain.yml Criar action na actions.py Colocar action como resposta na stories.md -
Criar entidade na nlu.md Colocar entidade na domain.yml Criar action
na actions.py Colocar action na domain.yml Colocar action como resposta na stories.md Treinar: make train -
Só rodar um comando Incorporar ao site Webchat #praTodosVerem: screenshot
de um chat no web chat. O bot responde um cumprimento do usuário. O usuário pergunta sobre a licensa e o bot responde que é GPL v3.0 e convida a fazer outra pergunta. Por último, o usuário pergunta sobre religião e a resposta do bot está cortada. -
BotFather ngrok Conector configurado Rodar E só isso! Telegram Configurando
o bot no telegram #praTodosVerem: screenshot de um chat no telegram. O bot cumprimenta em resposta ao usuário. O usuário pergunta se o bot gosta de música, e o bot responde com o link de uma playlist. O bot não entende a pergunta sobre comida, e responde que sua licensa é GPL v3.0 -
Conversar com BotFather • Criar username • Ter um token
Passos Ngrok • Download • Extrair • Executar o comando -
Exportar as variáveis • Abrir arquivo env/bot-telegram.env • Adicionar username
• Adicionar token • Adicionar webhook Mais passos -
Atualizar credenciais • Descomentar blocos • Não precisa mexer em
mais nada Outros passos Rodar o comando • Rodar o bot • Conversar no telegram -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta As colunas representam a predição de intenção feita pelo bot. As linhas representam as intenções reais. O ideal é que tenhamos a maior quantidade na diagonal da matriz. Ou seja, a predição foi correta. -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta Verdadeiro positivo: O bot entendeu corretamente Verdadeiro negativo: O bot sabe que não sabe Falso positivo: O bot entendeu errado Falso negativo: O bot pensou que não sabia, mas ele sabia -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta Verdadeiro positivo: O bot entendeu corretamente Verdadeiro negativo: O bot sabe que não sabe Falso positivo: O bot entendeu errado Falso negativo: O bot pensou que não sabia, mas ele sabia -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta Verdadeiro positivo: O bot entendeu corretamente Verdadeiro negativo: O bot sabe que não sabe Falso positivo: O bot entendeu errado Falso negativo: O bot pensou que não sabia, mas ele sabia -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta Verdadeiro positivo: O bot entendeu corretamente Verdadeiro negativo: O bot sabe que não sabe Falso positivo: O bot entendeu errado Falso negativo: O bot pensou que não sabia, mas ele sabia -
Matriz de confusão intent 1 intent 2 intent 3 fallback
intent 1 17 0 0 1 intent 2 1 13 2 0 intent 3 0 2 15 1 fallback 0 0 0 12 Predição Correta Verdadeiro positivo: O bot entendeu corretamente Verdadeiro negativo: O bot sabe que não sabe Falso positivo: O bot entendeu errado Falso negativo: O bot pensou que não sabia, mas ele sabia -
Métricas Precisão vp / (vp+fp) Recall vp / (vp +
fn) Acurácia acertos/total F1 2* (precision * recall)/ (precision + recall) Interpretação das métricas -
Histograma Confiança é a certeza que o bot tem da
predição feita As barras da cor lilás representam os a quantidade de acertos. As barras da cor rosa representam os a quantidade de erros. Quanto mais a direita, mais certeza o bot tinha quanto a sua precisão. Acertos Erros Confiança Quantidade 100% -
Na pasta /bot/results • Relatório de intents • Erros de
stories • Relatório de entidades • Matriz de confusão de stories Outros dados "license": { "precision": 0.7647058823529411, "recall": 0.9285714285714286, "f1-score": 0.8387096774193549, "support": 14 } "comida": { "precision": 1.0, "recall": 0.6923076923076923, "f1-score": 0.8181818181818181, "support": 13, "confused_with": { "cor": 4 } }, Relatório de intent Relatório de entidade -
Teste • make run test • make run test-cross Passos
Avaliar • E aí como tá -
CREDITS: This presentation template was created by Slidesgo, including icons
by Flaticon, and infographics & images by Freepik. Contato brunanayara.github.io/ pra me achar: Juntas podemos criar coisas melhores Leiam Angela Davis Bebam água Comam vegetais #justiçapormariferrer