این ربات چت می تواند احساسات کاربر را از پیام چاپ شده تجزیه و تحلیل کند. و فعالیت مناسب مانند فیلم ، موسیقی یا فیلم ها را با استفاده از تکنیک های پردازش زبان طبیعی (NLP) و طبقه بندی صفر شلیک کنید که به درک زمینه این سؤال کمک می کند ، حتی بدون تدریس پیش از این ، این سیستم هدف (قصد) کاربر را انجام می دهد.
مرحله 1: کتابخانه لازم را نصب کنید
!pip install transformers ipywidgets --quiet
- ترانسفورماتورها: کتابخانه از Huggging Face از مدل های NLP آماده ساخته شده استفاده می کند.
- iPyWidgets: برای ایجاد فرم پاسخ استفاده می شود. (تعاملی) برای چاپ سوالات کاربران
مرحله 2: بارگیری مدل طبقه بندی صفر-شات
from transformers import pipeline
classifier = pipeline("zero-shot-classification", model="facebook/bart-large-mnli")
- facebook/bart-large-mnli مدل برای تجزیه و تحلیل معنی متن
- صفر شات برای تعیین “دسته” که می خواهید انتخاب کنید ، مانند “بی حوصله” ، “استرس”
مرحله 3: دسته عاطفی و فعالیت توصیه شده
labels = ["เครียด", "เบื่อ", "เศร้า", "อยากแรงบันดาลใจ", "ดีใจ"]
recommendations = {
"เครียด": ["🎵 ฟัง Lo-fi music", "🎬 ดูซีรีส์ตลก", "😺 วิดีโอแมวน่ารัก"],
...
}
- احساسات محدود (برچسب ها) که از سیستم برای تجزیه و تحلیل استفاده می شود.
- برای هر خلق و خوی فعالیت را با توجه به احساسات مختلف تنظیم می کند
مرحله 4: سوالات کاربران را تجزیه و تحلیل کنید.
question = "รู้สึกเบื่อมาก ๆ อยากหาอะไรดูคลายเครียด"
result = classifier(question, candidate_labels=labels)
top_mood = result["labels"][0]
- هنگام تایپ کردن سؤالاتی ، مانند “حوصله ، می خواهید چیزی سرگرم کننده را ببینید.” مدل عاطفی ترین برچسب مانند: کلمه “حوصله” را انتخاب می کند تا دستورالعمل هایی را که با این خلق و خوی مطابقت دارد ، ببینید.
مرحله 5: مشاوره را به کاربران نشان دهید
for item in recommendations[top_mood]:
print("-", item)
- این برنامه لیست پیشنهادی (مانند فیلم ها ، موسیقی ، فیلم) را نشان می دهد که برای آن روحیه با ایموجی مناسب است.
مرحله 6: چهره تعاملی ایجاد کنید. (تعاملی)
import ipywidgets as widgets
from IPython.display import display, clear_output
# ช่องให้พิมพ์คำถาม + ปุ่มกด
text_input = widgets.Text(description="คำถาม:")
submit_btn = widgets.Button(description="แนะนำ", button_style="info")
output_area = widgets.Output()
# ทำงานเมื่อกดปุ่ม
def on_click(b):
...
# แสดงบนหน้าจอ
display(text_input, submit_btn, output_area)
- کاربر می تواند سوال را تایپ کرده و دکمه “توصیه” را فشار دهد.
- سیستم این سوال را تجزیه و تحلیل خواهد کرد. و به عنوان روند پاسخ داد
نتایج موجود در Colab به این شکل حاصل می شود.
این AI Chatbot در حال نوشتن کد پایتون در Google Colab است ، بنابراین یک صفحه زیبا Platfor نیست. رویداد بعدی ممکن است تزئین شده تر باشد به طوری که chatbot زیبا تر و آسان تر است.
