How to Build a Chatbot Using ChatterBot in Python?

Знаете ли вы, что бизнес ежегодно тратит около 1,3 триллиона долларов на 265 миллиардов звонков в службу поддержки? По данным IBM, внедрение чат-ботов на базе ИИ помогает сократить эти расходы до 30%.

Если вы — опытный разработчик, желающий создать чат-бота с помощью ChatterBot на Python, или менеджер, которому интересны no-code решения, эта статья для вас. Мы также покажем самый простой способ создать чат-бота с нуля при помощи Voiceflow.

Что такое ChatterBot?

ChatterBot — это библиотека Python, предназначенная для создания диалоговых агентов на основе ИИ. Используя алгоритмы машинного обучения, она способна генерировать ответы, похожие на человеческие, и поддерживать разговор на естественном языке.

Как работает ChatterBot?

Процесс работы ChatterBot включает 4 этапа, что позволяет ему обрабатывать широкий спектр пользовательских запросов и формировать контекстно релевантные ответы:

Пользовательский ввод: когда пользователь вводит запрос или сообщение в интерфейс чат-бота, оно фиксируется системой ChatterBot.Предобработка: затем ввод предобрабатывается для очистки и стандартизации данных. Этот этап включает токенизацию, удаление стоп-слов и другие техники обработки естественного языка (NLP), чтобы подготовить ввод к дальнейшему анализу.Выбор логического адаптера: после предобработки ввод передаётся одному или нескольким логическим адаптерам — например, Best Match adapter, Time Logic Adapter или Mathematical Evaluation Adapter — для формирования ответа.Генерация ответа: наконец, выбранный логический адаптер (или адаптеры) создаёт ответ, который отправляется пользователю. Ответ формируется на основе ближайшего совпадения из обучающих данных и логики, заданной в адаптерах.

{{black-cta}}

Зачем использовать ChatterBot? (Ключевые возможности и сценарии)

ChatterBot хорошо настраивается и относительно прост в установке, что делает его отличным инструментом для разработки чат-ботов.

Какие у ChatterBot недостатки?

Несмотря на гибкость, у ChatterBot есть ограничения, которые важно учитывать. Если вы сомневаетесь, Voiceflow станет отличной альтернативой. Здесь мы сравниваем оба инструмента, чтобы помочь разработчикам и бизнесу выбрать подходящий вариант.

ChatterBot плохо справляется с большим числом пользователей одновременно

ChatterBot требует серьёзной настройки для масштабирования под крупные развертывания и поддержания производительности при высокой нагрузке. Например, чат-бот службы поддержки для крупного интернет-магазина может замедляться или падать в часы пиковых продаж.

Voiceflow создан для компаний — от команд из одного человека до глобальных корпораций Fortune 500 — и легко справляется с большим числом пользователей и масштабированием.

ChatterBot не хватает продвинутых функций

У ChatterBot нет продвинутой обработки естественного языка (NLP), голосовой поддержки и детальной аналитики. Например, банковскому чат-боту, которому нужно разбираться в сложных финансовых терминах, ChatterBot вряд ли подойдёт.

Voiceflow сразу предоставляет продвинутый NLP, голосовые возможности и детальную аналитику. Вы также можете создавать собственные базы знаний, чтобы обучить чат-бота на любом документе.

{{button}}

ChatterBot сложен для новичков и зависит от вклада сообщества

ChatterBot полагается на обновления сообщества и не имеет подробной документации. Если вы разработчик, исправление бага в ChatterBot может занять больше времени из-за нехватки поддержки.

У Voiceflow есть выделенная команда поддержки и регулярные обновления, обеспечивающие быстрое исправление ошибок и появление новых функций. Также доступны обширная документация, туториалы и видео, чтобы разработчик мог быстро находить ответы.

{{button}}

Туториал по ChatterBot

Как установить ChatterBot?

Чтобы установить ChatterBot, убедитесь, что у вас Python 3.4 или выше. Откройте командную строку и выполните pip install chatterbot. Для расширенной функциональности также установите дополнительные зависимости командой pip install chatterbot_corpus nltk. Проверьте установку, импортировав ChatterBot в Python-скрипте. Базовый пример:

Как обучить ChatterBot?

Чтобы обучить ChatterBot, создайте экземпляр ChatBot и выберите тренер, например ChatterBotCorpusTrainer. Обучите чат-бота на предзагруженных данных с помощью trainer.train("chatterbot.corpus.english"). Для пользовательского обучения передайте список реплик и ответов. Пример:

Можно ли обучить ChatterBot с помощью GPT?

Обучение ChatterBot с использованием GPT не является встроенной функцией.

Как настроить ответы в ChatterBot?

Чтобы настроить ответы в ChatterBot, используйте ListTrainer для задания конкретных пар «ввод-ответ». Для более сложных задач можно создать собственные логические адаптеры или использовать пользовательский корпус обучения в формате JSON или YAML. Пример:

Использование SQL Storage Adapter с ChatterBot

ChatterBot может использовать адаптеры хранилища для сохранения данных диалогов, и SQL Storage Adapter — один из самых популярных. Вот как это работает:

Сначала установите ChatterBot и SQLAlchemy командой pip install chatterbot sqlalchemy. Создайте экземпляр ChatBot с SQL Storage Adapter и укажите URI базы данных (например, SQLite, MySQL, PostgreSQL). Обучите чат-бота стандартными методами вроде ChatterBotCorpusTrainer. Пример:

Что такое логический адаптер Best Match в ChatterBot?

Логический адаптер Best Match в ChatterBot выбирает наиболее близкий ответ на пользовательский ввод, анализируя и сравнивая его с известными репликами из базы бота. Он использует алгоритмы похожести, такие как косинусное сходство и расстояние Левенштейна, чтобы найти лучшее совпадение. Чтобы использовать его, настройте адаптер в экземпляре ChatBot и обучите бота ответами. Пример:

Как создать чат-бота с помощью ChatterBot на Python? (Пример кода)

Вот полный пример создания и обучения простого чат-бота с помощью ChatterBot:

Шаги для создания чат-бота с помощью ChatterBot на Python

Установите ChatterBot: выполните pip install chatterbot chatterbot_corpus, чтобы установить ChatterBot и его зависимости.Создайте экземпляр ChatBot: инициализируйте чат-бота через класс ChatBot, указав адаптер хранилища и URI базы данных.Обучите ChatBot: используйте ChatterBotCorpusTrainer для предзагруженных данных и ListTrainer для пользовательских данных.Получайте ответы: взаимодействуйте с чат-ботом через chatbot.get_response("Ваш ввод").Настройте: при необходимости добавьте логические адаптеры для кастомизации ответов.

Часто задаваемые вопросы

Какую библиотеку или фреймворк вы рекомендуете для разработки чат-бота, выполняющего SQL-запросы?

Если вы хотите разработать чат-бота, но не на Python, можно попробовать Langchain, Rasa, Chatterbot или Voiceflow.

Можно ли экспортировать данные из ChatterBot?

Да, данные ChatterBot можно экспортировать и повторно использовать для обучения других ботов или для анализа.

Можно ли использовать ChatterBot в Jupyter Notebook?

ChatterBot можно использовать в Jupyter Notebook: установите его через pip install chatterbot, а затем импортируйте как обычно.

Как обрабатывать исключения в ChatterBot?

Обработку исключений можно реализовать, оборачивая логику в блоки try-except и определяя резервные ответы на случай ошибок.