PyTorch-এ NLP ভিত্তিক চ্যাটবট। বোনাস ফ্লাস্ক এবং জাভাস্ক্রিপ্ট স্থাপনা

বিভিন্ন উপায়ে আপনি গ্রাহক সন্তুষ্টি উন্নত করতে পারেন, চ্যাটবট হল একটি গ্রাহক বেস সাহায্য করার জন্য শক্তিশালী সমাধান. চ্যাটবটগুলি সাশ্রয়ী, আপনার ব্যবসার পরিমাপ করতে সাহায্য করে, সম্পূর্ণরূপে কাস্টমাইজযোগ্য, আপনার গ্রাহকদের সঠিক পণ্য/পরিষেবা খুঁজে পেতে এবং আপনার ব্যবসার জন্য বিশ্বাস তৈরি করতে সহায়তা করে। এটি প্রমাণ করতে আমি নিম্নলিখিত বিষয়বস্তুর মাধ্যমে যাব:

1. একটি মেশিন লার্নিং চ্যাটবট কি?
2. কেন চ্যাটবটগুলি বিভিন্ন ব্যবসায়িক ক্ষেত্রে গুরুত্বপূর্ণ?
3. PyTorch ব্যবহার করে আপনার নিজস্ব NLP ভিত্তিক চ্যাটবট তৈরি করুন।
4. জাভাস্ক্রিপ্ট এবং ফ্লাস্কে চ্যাটবট স্থাপন করুন।

একটি চ্যাটবট (কথোপকথনমূলক এআই) একটি স্বয়ংক্রিয় প্রোগ্রাম যা পাঠ্য বার্তা, ভয়েস চ্যাট বা উভয় মাধ্যমে মানুষের কথোপকথন অনুকরণ করে। এটি অনেক ইনপুটের উপর ভিত্তি করে এটি করতে শেখে এবং প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি).

শব্দার্থবিদ্যার স্বার্থে, চ্যাটবট এবং কথোপকথন সহকারী এই নিবন্ধে বিনিময়যোগ্যভাবে ব্যবহার করা হবে, তারা একই জিনিসকে বোঝায়।

বিজনেস ইনসাইডার রিপোর্ট করেছে যে গ্লোবাল চ্যাটবট বাজার 2.6 সালে $2019 বিলিয়ন থেকে 9.4 সালে $2024 বিলিয়ন হতে প্রত্যাশিত ছিল, যা 29.7% এর চক্রবৃদ্ধি বার্ষিক বৃদ্ধির হারের পূর্বাভাস দিয়েছে। একই প্রতিবেদনে আরও পরামর্শ দেওয়া হয়েছে যে চ্যাটবট বাস্তবায়নে সর্বোচ্চ বৃদ্ধি খুচরা এবং ইকমার্স শিল্পে হবে, গ্রাহকদের নির্বিঘ্ন সর্বমনিচ্যানেল অভিজ্ঞতা প্রদানের ক্রমবর্ধমান চাহিদার কারণে।

এটিই আপনাকে বোঝানোর জন্য যথেষ্ট হওয়া উচিত চ্যাটবট হল গ্রাহক সম্পর্ক পরিচালনা করার উপায় এগিয়ে যাচ্ছে, তবে তারা এন্টারপ্রাইজ সরঞ্জামগুলির জন্য অভ্যন্তরীণ সরঞ্জাম হিসাবেও বাড়তে থাকবে এবং প্রায় প্রতিটি শিল্প প্রযুক্তি গ্রহণ করবে যদি এটি ইতিমধ্যে না থাকে।

আরও বেশি সংখ্যক ব্যবসা কেন চ্যাটবট কৌশল অবলম্বন করছে এবং গ্রাহকদের অর্জন ও ধরে রাখার জন্য তারা কীভাবে একটি জয়-জয় সূত্র।

• গ্রাহকের অপেক্ষার সময় কমিয়ে দিন - গ্রাহকদের 21% একটি ব্যবসার সাথে যোগাযোগ করার সবচেয়ে সহজ উপায় হিসাবে চ্যাটবট দেখুন. বটগুলি হল গ্রাহকদের একটি সারিতে অপেক্ষা না করেই তাৎক্ষণিক প্রতিক্রিয়া যা তারা খুঁজছেন তা নিশ্চিত করার একটি বুদ্ধিমান উপায়৷
• 24×7 প্রাপ্যতা — বট সবসময় গ্রাহকদের তাদের জিজ্ঞাসা করা সাধারণ প্রশ্নের তাত্ক্ষণিক উত্তর দিয়ে জড়িত করার জন্য উপলব্ধ। চ্যাটবট ব্যবহারের শীর্ষ সম্ভাব্য সুবিধা হল 24-ঘন্টা গ্রাহক পরিষেবা।
• ভাল গ্রাহকের ব্যস্ততা — কথোপকথনমূলক বটগুলি সক্রিয় সংরক্ষণ শুরু করে এবং গ্রাহকদের অভিজ্ঞতা বৃদ্ধি করে এমন ব্যক্তিগতকৃত সুপারিশগুলি অফার করার মাধ্যমে গ্রাহকদের চব্বিশ ঘন্টা জড়িত করতে পারে।
• গ্রাহক সেবা খরচ সংরক্ষণ করুন — চ্যাটবটগুলি ব্যবসায়িকদের চেয়ে বেশি সঞ্চয় করতে সহায়তা করবে 8 বিলিয়ন $ প্রতি বছরে. বটগুলি সহজেই স্কেল করা যেতে পারে যা আরও সংস্থান, অবকাঠামো খরচ ইত্যাদি নিয়োগের গ্রাহক সহায়তা খরচ বাঁচায়।
• সীসা যোগ্যতা এবং বিক্রয় স্বয়ংক্রিয় — আপনি চ্যাটবটগুলির সাথে আপনার বিক্রয় ফানেলকে স্বয়ংক্রিয়ভাবে লিডগুলিকে প্রাক-যোগ্যতা দিতে এবং তাদের আরও লালন-পালনের জন্য সঠিক দলের কাছে নির্দেশ করতে পারেন৷ গ্রাহকদের তাত্ক্ষণিকভাবে জড়িত করতে সক্ষম হওয়া লিডের সংখ্যা এবং রূপান্তর হার বৃদ্ধি করে।

1. কীভাবে কথোপকথন এআই গ্রাহক পরিষেবা স্বয়ংক্রিয় করতে পারে

২. অটোমেটেড বনাম লাইভ চ্যাটগুলি: গ্রাহক পরিষেবার ভবিষ্যত কেমন হবে?

৩. কোভিড -১৯ মহামারীতে চিকিত্সাগত সহায়তা সহায়ক হিসাবে

৪.চ্যাটবট বনাম বুদ্ধিমান ভার্চুয়াল সহকারী - পার্থক্য কী এবং কেন যত্ন?

অনেক প্ল্যাটফর্ম আছে যেখানে ডেভেলপার, ডেটা সায়েন্টিস্ট এবং মেশিন লার্নিং ইঞ্জিনিয়াররা চ্যাটবট তৈরি এবং বজায় রাখতে পারে ডায়ালগফ্লো এবং অ্যামাজন লেক্স. কিন্তু এই নিবন্ধে আমার লক্ষ্য হল প্রাকৃতিক ভাষা প্রক্রিয়াকরণের জন্য ফিড-ফরোয়ার্ড নেটওয়ার্কের ধারণাগুলি বুঝতে সাহায্য করার জন্য কীভাবে স্ক্র্যাচ থেকে একটি চ্যাটবট তৈরি করা যায় তা দেখানো।

চল শুরু করি!

আপনি সহজেই আমার একটি সম্পূর্ণ কোড খুঁজে পেতে পারেন গিটহুব রেপো.

এখানে একটি সংক্ষিপ্ত পরিকল্পনা যা আমি একটি মডেল তৈরি করতে অনুসরণ করতে চাই।

1. তত্ত্ব + NLP ধারণা (স্টেমিং, টোকেনাইজেশন, শব্দের ব্যাগ)
2. প্রশিক্ষণ ডেটা তৈরি করুন
3. PyTorch মডেল এবং প্রশিক্ষণ
4. মডেল সংরক্ষণ/লোড এবং চ্যাট বাস্তবায়ন

আমরা কফি এবং চা সরবরাহকারীর কাজের ঘন্টা, রিজার্ভেশন বিকল্প এবং আরও অনেক কিছু সম্পর্কে সহজ প্রশ্নগুলি পরিচালনা করার জন্য চ্যাটবট তৈরি করব।

একটি চ্যাটবট ফ্রেমওয়ার্কের একটি কাঠামো প্রয়োজন যেখানে কথোপকথনের উদ্দেশ্যগুলি সংজ্ঞায়িত করা হয়। এটি করার একটি পরিষ্কার উপায় হল একটি JSON ফাইলের সাথে, এইরকম।

প্রতিটি কথোপকথনের উদ্দেশ্য রয়েছে:

• a ট্যাগ (একটি অনন্য নাম)
• নিদর্শন (আমাদের নিউরাল নেটওয়ার্ক টেক্সট ক্লাসিফায়ারের জন্য বাক্যের নিদর্শন)
• প্রতিক্রিয়া (একটি প্রতিক্রিয়া হিসাবে ব্যবহার করা হবে)

তাই আমাদের NLP পাইপলাইন এই মত দেখায়

• টোকেনাইজ করুন
• নিম্ন + কান্ড
• বিরাম চিহ্নের অক্ষর বাদ দিন
• শব্দ ব্যাগ

আমরা নথির একটি তালিকা তৈরি করি (বাক্য), প্রতিটি বাক্য একটি তালিকা কান্ড এবং প্রতিটি নথি একটি উদ্দেশ্য (একটি শ্রেণী) এর সাথে যুক্ত। সম্পূর্ণ কোড আছে এই নথি.

তারপর আমাদের একটি প্রশিক্ষণ ডেটা এবং হাইপারপ্যারামিটার সেট করতে হবে।

সমস্ত প্রয়োজনীয় প্রিপ্রসেসিং পদক্ষেপের পরে আমরা একটি তৈরি করি model.py FeedForward নিউরাল নেটওয়ার্ক সংজ্ঞায়িত করার জন্য ফাইল।

Feedforward নিউরাল নেটওয়ার্ক হয় কৃত্রিম নিউরাল নেটওয়ার্ক যেখানে ইউনিটগুলির মধ্যে সংযোগগুলি গঠন করে না a চক্র. Feedforward নিউরাল নেটওয়ার্ক ছিল প্রথম ধরনের কৃত্রিম নিউরাল নেটওয়ার্ক উদ্ভাবিত এবং তাদের সমকক্ষের তুলনায় সহজ, পুনরাবৃত্ত নিউরাল নেটওয়ার্ক। তাদের বলা হয় ফিডফোর্ড কারণ তথ্য শুধুমাত্র নেটওয়ার্কে এগিয়ে যায় (কোনও লুপ নেই), প্রথমে ইনপুট নোডের মাধ্যমে, তারপরের মাধ্যমে লুকানো নোড (যদি উপস্থিত থাকে), এবং অবশেষে আউটপুট নোডের মাধ্যমে।

সতর্ক হোন! শেষ পর্যন্ত আমাদের একটি অ্যাক্টিভেশন ফাংশনের প্রয়োজন নেই কারণ পরবর্তীতে আমরা ক্রস-এনট্রপি লস ব্যবহার করব এবং এটি স্বয়ংক্রিয়ভাবে আমাদের জন্য একটি অ্যাক্টিভেশন ফাংশন প্রয়োগ করবে।

কেন আমরা ReLU ব্যবহার করি?

এগুলি সহজ, গণনা করার জন্য দ্রুত, এবং সিগমায়েড ফাংশন (লজিস্টিক, ট্যানহ, ইআরএফ এবং অনুরূপ) এর মতো অদৃশ্য গ্রেডিয়েন্টে ভোগে না। বাস্তবায়নের সরলতা এগুলিকে GPU-তে ব্যবহারের জন্য উপযুক্ত করে তোলে, যা ম্যাট্রিক্স ক্রিয়াকলাপগুলির জন্য অপ্টিমাইজ করা (যা 3D গ্রাফিক্সের জন্যও প্রয়োজনীয়) হওয়ার কারণে আজ খুব সাধারণ।

একটি CrossEntropy ক্ষতি এবং অ্যাডাম সংজ্ঞায়িত করার পরে আমরা পশ্চাৎপদ এবং অপ্টিমাইজার পদক্ষেপ বাস্তবায়ন করি।

এই সব লাইন মানে কি?

আমরা অপ্টিমাইজারে zero_grad() সেট করেছি কারণ PyTorch-এ, প্রশিক্ষণ পর্বের সময় প্রতিটি মিনি-ব্যাচের জন্য, ব্যাকপ্রোগ্রেশন (অর্থাৎ, ওজন এবং পক্ষপাতের আপডেট) শুরু করার আগে আমাদের স্পষ্টভাবে গ্রেডিয়েন্টগুলিকে শূন্যে সেট করতে হবে কারণ PyTorch গ্রেডিয়েন্টগুলি জমা করে পরবর্তী পশ্চাদপদ পাস।

.backward() একাধিক বার কল করলে প্রতিটি প্যারামিটারের জন্য গ্রেডিয়েন্ট (সংযোজন করে) জমা হয়। এজন্য প্রতিটি .step() কলের পর আপনার optimizer.zero_grad() কল করা উচিত। মনে রাখবেন যে প্রথম .backward কলটি অনুসরণ করে, আপনি আরেকটি ফরোয়ার্ড পাস করার পরেই একটি দ্বিতীয় কল সম্ভব।

optimizer.step বর্তমান গ্রেডিয়েন্ট (একটি প্যারামিটারের .grad অ্যাট্রিবিউটে সংরক্ষিত) এবং আপডেট নিয়মের উপর ভিত্তি করে একটি প্যারামিটার আপডেট করে।

অবশেষে, train.py স্ক্রিপ্ট চালানোর পরে আমরা কী একটি দুর্দান্ত ফলাফল পেয়েছি!

এবং শেষ অংশে আমাদের মডেলটি সংরক্ষণ করতে হবে। এখানে আমি যেভাবে সহজে করেছি।

আমি আরও এগিয়ে যাওয়ার এবং চ্যাটবটের এই আশ্চর্যজনক ভিজ্যুয়ালাইজেশন তৈরি করার সিদ্ধান্ত নিয়েছি।

আমার সমস্ত HTML, CSS এবং JavaScript স্ক্রিপ্ট আপনি আমার GitHub রেপোতে পাবেন।

উপভোগ করুন!

এখন, যেমন আপনি জানেন যে চ্যাটবট কী এবং যে কোনো ধরনের ব্যবসার জন্য বট প্রযুক্তি কতটা গুরুত্বপূর্ণ। আপনি অবশ্যই সম্মত হবেন যে বটগুলি তাদের গ্রাহকদের সাথে ব্যবসার যোগাযোগের পদ্ধতিকে ব্যাপকভাবে পরিবর্তন করেছে।

চ্যাটবট প্রযুক্তি গ্রাহকদের সম্পৃক্ততা কৌশলের একটি গুরুত্বপূর্ণ অংশ হয়ে উঠবে। ভবিষ্যত বটগুলি মানুষের সক্ষমতা বাড়াতে অগ্রসর হবে এবং মানব এজেন্টরা আরও উদ্ভাবনী হতে, কৌশলগত কার্যক্রম পরিচালনায়।

Source: https://chatbotslife.com/nlp-based-chatbot-in-pytorch-bonus-flask-and-javascript-deployment-474c4e59ceff?source=rss—-a49517e4c30b—4