diseno-chatbot

Al igual que con otras tecnologías para desarrollar chatbots, Rasa también tiene una forma común de curación, en cuyo caso las intenciones que el bot no puede reconocer se almacenan en la bandeja de entrada de NLU, desde allí puedes registrar en una nueva intención y registrar las entidades, y si lo necesitas puedes realizar un cambio de flujo, debes acceder al Story necesario y realizar los cambios:

img 60ab682b76abd

img 60ab682bb0959

img 60ab682c04166

Tabla de contenidos

Banderas — Trabajo en equipo

Rasa tiene una función para marcar las interacciones que necesitamos revisar, este es un gran recurso tanto para revisar errores como para cuando trabajamos en equipo, porque a veces necesitamos que otras personas corrijan un error que ha sido revisado:

img 60ab682c43d56

Curación dentro de la conversación: no hay curación sin un análisis de toda la conversación.

Las personas que están acostumbradas a hacer el papel de curador saben que no hay curación sin analizar toda la conversación, por lo que esta posibilidad de curar dentro de la conversación del usuario es una gran ventaja, haz clic dos veces y aparecen las opciones para mejorar el bot. al lado. En este ejemplo, pudes crear la intención de “cumplido” que no existía en la base de conocimientos del bot y registrar “eres genial” sin salir de la conversación:

img 60ab682c902c5

El siguiente paso sería dar de alta el nuevo flujo, para eso puedes hacer clic en Copiar a Aprendizaje Interactivo y puedes corregir el bot de una forma muy divertida y práctica:

img 60ab682cd242d

img 60ab682d28f2d

img 60ab682d65753

img 60ab682e0d742

img 60ab682e620e6

Curación semiautomática de flujos

Rasa nos permite crear múltiples flujos para cada intención y expresión. No necesitamos seguir un modelo rígido de Historias. Podemos crear ejemplos de conversaciones completas, comenzando con hola o charla, o la pregunta en sí, con innumerables combinaciones. Cuantas más posibilidades de flujo tenga en su base de conocimientos, más inteligente se volverá. Tener la capacidad de predecir los próximos pasos de la conversación. En este ejemplo, podemos ver que después del saludo, el bot no puede predecir nuevos flujos, lo que indica que su base de conocimientos es débil:

img 60ab682eaaf1a

Aquí, podemos ver que ya está prediciendo mejor los próximos pasos porque tiene más flujos registrados:

img 60ab682ee83e7

De esta manera, tenemos un recurso para copiar los flujos de conversación que nuestro bot tenía con nuestros usuarios y enriquecer nuestras Historias, es muy simple, solo copia todo el flujo y pégalo como una nueva Historia:

img 60ab682f39f0a

img 60ab682f85c99

Otros recursos increíbles para la curaduría de Rasa

  • Validar datos

Es fundamental que un bot no tenga errores dentro de su código, que tenga un código limpio y sólido para que no se confunda. En Rasa tenemos el mecanismo Validate Data para monitorear si hay algo registrado que sea inconsistente:

img 60ab682fc00fc

img 60ab682ff1db2

Supongamos que una de nuestras Historias tiene una intención registrada que no existe, Validate Data nos señalará el problema:

img 60ab683035bf0

img 60ab6830894e6

  • Rasa Visualizar

A medida que pasa el tiempo, el bot evoluciona y se hace difícil tener un sentido de todos los temas que cubre, para eso tenemos la vista superficial con él podemos generar un mapa mental actualizado de nuestro chatbot sin el menor esfuerzo humano:

img 60ab6830d3e61

  • Validación de la NLU

En Rasa podemos evaluar si nuestros ejemplos de intent registrados muestran conflicto usando el comando rasa test nlu -u train_test_split / test_data.md –model, un recurso valioso para garantizar la calidad del bot:

img 60ab68312ffba

  • Validando historias

Asimismo, podemos evaluar la salud de nuestros flujos con el comando rasa test core — stories test_stories.md — out results

img 60ab683173cd5

  • Casos de prueba de diálogo: evaluación de un extremo a otro

Cada vez que insertamos nueva información en nuestra base de datos, ya sea una nueva intención, entidad, un nuevo flujo o ranura, esto cambia todo el entrenamiento del bot, una forma de probar si los cambios que hemos realizado no han “estropeado” nuestros datos. está creando casos de prueba con ejemplos de conversaciones reales entre el bot y el usuario. De esta forma, incluso si un gran equipo está cambiando el bot, podemos evaluar si el bot se mantiene saludable incluso después de la inserción de nuevos datos, en Rasa X tenemos la capacidad de transformar conversaciones almacenadas en casos de prueba que garantizarán este control:

img 60ab6831ba7ae

Y luego pruébalo:

img 60ab68321a506

Conclusión

Rasa ofrece recursos muy valiosos para evitar errores en la Curaduría, si el equipo de expertos utiliza todas las herramientas que proporciona, podemos garantizar la calidad del chatbot, prediciendo errores antes de que el bot entre en contacto con los usuarios. Además, sabemos que es posible construir todos estos recursos para otras tecnologías de chatbot, sin embargo Rasa nos proporciona todo este aparato de forma gratuita y sigue evolucionando, aportando en cada versión una nueva característica. Las formas de curar Rasa, además de ser una practicidad incuestionable, está

Paloma Mamede

Por Paloma Mamede

Experta en Chatbot con experiencia en tecnologías Rasa y Watson Portfolio: https://www.clippings.me/palomacmamede

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *