در این مطلب، ویدئو ساخت ربات چت با استفاده از Python، Tkinter، NLTK و تبدیل متن به گفتار با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:39:22
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,890 –> 00:00:02,939
سلام بچه ها و به یک ویدیوی دیگر خوش آمدید،
2
00:00:02,939 –> 00:00:05,879
بنابراین در ویدیوی امروز به بررسی این خواهیم پرداخت
3
00:00:05,879 –> 00:00:08,189
که چگونه می توانید یک
4
00:00:08,189 –> 00:00:11,219
ربات چت ساده با استفاده از پایتون از ابتدا ایجاد کنید،
5
00:00:11,219 –> 00:00:15,480
بنابراین پیش نیاز اصلی این شعار
6
00:00:15,480 –> 00:00:17,400
خرید کل برنامه،
7
00:00:17,400 –> 00:00:21,869
دانش اولیه پایتون یا پایتون خواهد بود.
8
00:00:21,869 –> 00:00:24,060
دانش متوسط از پایتون یک پی
9
00:00:24,060 –> 00:00:28,230
نیاز است، بنابراین ما کل
10
00:00:28,230 –> 00:00:32,668
رآیند را ادامه خواهیم داد، بنابراین وقتی صحبت از
11
00:00:32,668 –> 00:00:34,980
ک ربات چت می شود، انواع مختلفی از آن وجود دارد، بن
12
00:00:34,980 –> 00:00:40,110
براین وقتی با یک قا
13
00:00:40,110 –> 00:00:43,050
ون مبتنی بر قانون یا مبتنی بر خودآموز یا خودآموز شروع می شود یا
14
00:00:43,050 –> 00:00:45,210
در مورد ما این یک
15
00:00:45,210 –> 00:00:48,960
ربات چت مبتنی بر بازیابی است، بنابراین آنها همچنین
16
00:00:48,960 –> 00:00:52,559
رباتهای چت خودآموز هستند که
17
00:00:52,559 –> 00:00:54,870
پیچیدهتر و پیچیدهتر هستند،
18
00:00:54,870 –> 00:00:59,820
زیرا شما را به
19
00:00:59,820 –> 00:01:04,500
یادگیری ماشین یا مسیرهای نای هدایت میکند
20
00:01:04,500 –> 00:01:07,409
که معمولاً پیچیدهتر هستند یا
21
00:01:07,409 –> 00:01:10,350
تکنیکها و روشهایی که برای ایجاد تابلوی
22
00:01:10,350 –> 00:01:13,110
نمودار استفاده میشوند، اما در مورد ما یک
23
00:01:13,110 –> 00:01:15,780
ربات چت ساده با پایگاه دانش خاص
24
00:01:15,780 –> 00:01:21,840
و با رابط کاربری ساده است و
25
00:01:21,840 –> 00:01:25,110
کاملاً مبتنی بر رویکردهای مبتنی بر بازیابی
26
00:01:25,110 –> 00:01:28,770
است. o وقتی صحبت از یک
27
00:01:28,770 –> 00:01:32,729
رویکرد مبتنی بر بازیابی به میان میآید، معمولاً یک
28
00:01:32,729 –> 00:01:35,549
پایگاه دانش داریم یا میتوانیم آن را بهعنوان
29
00:01:35,549 –> 00:01:41,430
پایگاه دادهای برای ربات چت ببینیم و
30
00:01:41,430 –> 00:01:44,820
پیامها یا سؤالات ارائهشده توسط
31
00:01:44,820 –> 00:01:50,600
کاربر از پایگاه دانش خارج نمیشوند،
32
00:01:50,600 –> 00:01:53,850
مانند پاسخهایی که
33
00:01:53,850 –> 00:01:59,000
شما از خود پایگاه دانش دریافت میکنید،
34
00:01:59,000 –> 00:02:03,420
بنابراین این سادهترین
35
00:02:03,420 –> 00:02:05,820
رویکرد ایجاد یک ربات چت ساده است که
36
00:02:05,820 –> 00:02:09,030
شامل هیچگونه یادگیری ماشینی
37
00:02:09,030 –> 00:02:10,699
یا چیزی شبیه به آن یا
38
00:02:10,699 –> 00:02:13,910
مدلهای پیچیدهتر نمیشود،
39
00:02:13,910 –> 00:02:17,410
بنابراین در اینجا ما از یک مدل مبتنی بر بازیابی استفاده میکنیم.
40
00:02:17,410 –> 00:02:19,940
برخی از کدها یا
41
00:02:19,940 –> 00:02:21,980
اسناد یا چند مقاله خوب
42
00:02:21,980 –> 00:02:24,440
بر اساس مدلهای مبتنی بر سهگانه یا
43
00:02:24,440 –> 00:02:30,440
رباتهای چت و بله، رابطی که ما
44
00:02:30,440 –> 00:02:34,910
در اینجا از آن استفاده میکنیم، یک رابط Kinta in
45
00:02:34,910 –> 00:02:39,200
bill on Gy است و
46
00:02:39,200 –> 00:02:44,810
ما همچنین یک X به گفتار برای ربات چت ارائه کردهایم.
47
00:02:44,810 –> 00:02:49,670
مانند پرسشها یا خواندن
48
00:02:49,670 –> 00:02:52,670
پاسخها فقط پاسخ میدهد یا زمانی که کاربر
49
00:02:52,670 –> 00:02:55,640
درخواست را درست وارد میکند، بنابراین من
50
00:02:55,640 –> 00:02:58,580
فقط برنامه را کاملاً با جریان
51
00:02:58,580 –> 00:03:01,550
و نحوه کار و همه چیز نشان میدهم، بنابراین
52
00:03:01,550 –> 00:03:06,770
به آن وصل میشود و بنابراین او در واقع یک کد است،
53
00:03:06,770 –> 00:03:11,660
بنابراین این کد برای رابط کاربری گرافیکی است، کد
54
00:03:11,660 –> 00:03:14,300
کل برنامه در توضیحات موجود خواهد بود
55
00:03:14,300 –> 00:03:16,490
، بنابراین آن را بررسی کنید و
56
00:03:16,490 –> 00:03:19,120
مطمئن شوید که کتابخانههای پیشنیازی را دارید
57
00:03:19,120 –> 00:03:22,640
که Sikit-Learn NL است، یک
58
00:03:22,640 –> 00:03:27,050
عدد pi t TX 3
59
00:03:27,050 –> 00:03:31,790
I داشته باشید. حدس بزنید برای روش متن به گفتار
60
00:03:31,790 –> 00:03:34,940
و بله hinto در حال حاضر یک ماژول پیشفرض است،
61
00:03:34,940 –> 00:03:44,120
بنابراین این کد مربوط به gy است
62
00:03:44,120 –> 00:03:46,880
، درست است که لازم نیست
63
00:03:46,880 –> 00:03:50,270
شی بطری را در این رابط کاربری کدنویسی کنید، اما ما
64
00:03:50,270 –> 00:03:52,880
ربات Rajic را به آن وارد میکنیم. این رابط کاربری
65
00:03:52,880 –> 00:03:54,860
درست است، بنابراین من فقط کل
66
00:03:54,860 –> 00:03:58,220
فرآیند را در یک دقیقه به شما نشان خواهم داد، این کد
67
00:03:58,220 –> 00:04:00,950
برای رابط است و در آن
68
00:04:00,950 –> 00:04:07,030
رابط دارای چندین تم فونت و
69
00:04:07,030 –> 00:04:12,380
منو و غیره خواهد بود، بنابراین این فقط یک کد GI است
70
00:04:12,380 –> 00:04:20,680
که در آن از kinto به عنوان کد استفاده کردم. کتابخانه پایه UI
71
00:04:20,680 –> 00:04:26,210
و در اینجا ما دقیقاً به دنبال
72
00:04:26,210 –> 00:04:28,550
PI TP
73
00:04:28,550 –> 00:04:31,710
ssx3 هستیم، بنابراین این کتابخانه ای
74
00:04:31,710 –> 00:04:36,419
است که برای برنامه تبدیل متن به گفتار
75
00:04:36,419 –> 00:04:41,310
و جعبه پیام استفاده می شود و این در
76
00:04:41,310 –> 00:04:45,180
واقع فایل PI خریداری شده است که در آن
77
00:04:45,180 –> 00:04:50,280
ربات واقعی خود را می نویسیم. منطقی است که ربات چگونه
78
00:04:50,280 –> 00:04:55,110
به پاسخ ها پاسخ می دهد پاسخ به
79
00:04:55,110 –> 00:04:58,500
کاربران یدک کش و ما نیز از مقداری نخ استفاده می کنیم،
80
00:04:58,500 –> 00:05:01,050
بنابراین شما
81
00:05:01,050 –> 00:05:06,780
در مدت کوتاهی با آن آشنا خواهید شد و بله، بنابراین من فقط
82
00:05:06,780 –> 00:05:10,229
شما را در ساختار پوشه راهنمایی می کنم، بنابراین
83
00:05:10,229 –> 00:05:12,389
این یک ساختار احمقانه است، بنابراین شما
84
00:05:12,389 –> 00:05:15,690
یک فایل ربات خواهید داشت که فایل منطقی نوار اصلی ما است
85
00:05:15,690 –> 00:05:19,280
که در آن از ll TK و
86
00:05:19,280 –> 00:05:23,700
scikit-learn و همه چیز استفاده خواهیم کرد، بنابراین من آن را نیز
87
00:05:23,700 –> 00:05:25,040
نشان خواهم داد،
88
00:05:25,040 –> 00:05:31,470
بنابراین این فایل ربات ما است که در آن کل
89
00:05:31,470 –> 00:05:33,930
منطق نحوه عملکرد خرید واقعی و
90
00:05:33,930 –> 00:05:36,720
نحوه پاسخ دادن به پاسخ ها است.
91
00:05:36,720 –> 00:05:40,169
که به کاربران داده می شود
92
00:05:40,169 –> 00:05:44,120
در این قسمت نوشته می شود و ما در واقع داریم
93
00:05:44,120 –> 00:05:49,039
کل روش را وارد می کنیم که
94
00:05:49,039 –> 00:05:58,770
این پاسخ به gy است، بنابراین این یک
95
00:05:58,770 –> 00:06:02,940
بارکد نیست، کد
96
00:06:02,940 –> 00:06:04,860
قطعاً در توضیحات موجود است، بنابراین لطفاً آن را بررسی
97
00:06:04,860 –> 00:06:07,710
کنید و اگر شما هر گونه سوال و
98
00:06:07,710 –> 00:06:10,530
نگرانی در مورد این کد دارید، می توانید
99
00:06:10,530 –> 00:06:14,100
در زیر نظر دهید، بنابراین این کد ربات بود
100
00:06:14,100 –> 00:06:20,180
و این درست Gy بود، بنابراین
101
00:06:20,180 –> 00:06:23,940
این ساختار کل پوشه ما خواهد بود،
102
00:06:23,940 –> 00:06:29,100
بنابراین دو طرف اصلی خریداری شده و رابط کاربری گرافیکی این
103
00:06:29,100 –> 00:06:32,300
یکی برای نماد و این است. دو
104
00:06:32,300 –> 00:06:35,160
فایل متنی هستند که ب asically از
105
00:06:35,160 –> 00:06:38,159
پاسخهایی در این مورد شامل همه
106
00:06:38,159 –> 00:06:41,580
پاسخها است متأسفانه این ماژول
107
00:06:41,580 –> 00:06:43,289
شامل همه پاسخهای
108
00:06:43,289 –> 00:06:45,229
مربوط به ماژولهای کتابخانه است
109
00:06:45,229 –> 00:06:48,449
که محبوبتر هستند، من فقط
110
00:06:48,449 –> 00:06:53,939
در اینجا به شما نشان خواهم داد، بنابراین این ماژولهای
111
00:06:53,939 –> 00:06:57,629
Python txt است و اساساً یک مجموعه
112
00:06:57,629 –> 00:07:00,599
ای از پاسخ ها یا در یک فایل متنی
113
00:07:00,599 –> 00:07:03,900
که همان است و چیز زیادی نیست، بنابراین می توانید
114
00:07:03,900 –> 00:07:08,639
یک فایل متنی را مرور کنید و تعدادی پاسخ پیدا خواهید کرد
115
00:07:08,639 –> 00:07:11,000
که در مورد
116
00:07:11,000 –> 00:07:15,110
چندین ماژول و کتابخانه فقط
117
00:07:15,110 –> 00:07:18,780
ماژول ها و یک فایل متنی دیگر وجود دارد
118
00:07:18,780 –> 00:07:23,520
که یک LP است. پایتون پاسخ میدهد، بنابراین در
119
00:07:23,520 –> 00:07:27,000
اینجا پاسخهایی را خواهید دید که
120
00:07:27,000 –> 00:07:30,900
بیشتر در Stack Overflow پرسیده میشوند
121
00:07:30,900 –> 00:07:34,409
یا تعداد زیادی از وبسایتهای دیگر که
122
00:07:34,409 –> 00:07:39,060
محبوبتر هستند و همچنین پاسخهای پایتون اصلی آنها،
123
00:07:39,060 –> 00:07:44,000
بنابراین در مورد اینکه
124
00:07:44,000 –> 00:07:48,810
matplotlib چیست، ماژول مورد نیاز برای
125
00:07:48,810 –> 00:07:51,810
ایجاد بازی در پایتون چیست. و
126
00:07:51,810 –> 00:07:54,680
چارچوب وب وب برای ایجاد
127
00:07:54,680 –> 00:07:57,629
وب سایت در پایتون و انبوهی از
128
00:07:57,629 –> 00:08:03,169
سؤالات در مورد آن موضوعات چیست و
129
00:08:03,169 –> 00:08:06,120
همچنین می توانیم سؤالات اصلی
130
00:08:06,120 –> 00:08:08,569
مانند چندشکلی و
131
00:08:08,569 –> 00:08:10,969
کپسولهسازی
132
00:08:10,969 –> 00:08:15,930
چیست، اگر سؤالی را پیدا کردید، قطعاً میتوانید سؤالات بیشتری اضافه کنید و
133
00:08:15,930 –> 00:08:19,800
فقط میتوانید سؤالات بیشتری را فقط با
134
00:08:19,800 –> 00:08:23,400
اضافه کردن پاسخ دفعه بعد و ذخیره
135
00:08:23,400 –> 00:08:25,529
آن اضافه کنید و قطعاً وقتی آن را به درستی در ربات جستجو کنید، آن پاسخ را دریافت خواهید کرد.
136
00:08:25,529 –> 00:08:28,500
137
00:08:28,500 –> 00:08:31,650
اگرچه این اساساً یک
138
00:08:31,650 –> 00:08:33,630
پایگاه دانش برای ربات است و چیز زیادی نیست
139
00:08:33,630 –> 00:08:39,089
، بنابراین این دو پایگاه دانش
140
00:08:39,089 –> 00:08:43,890
برای این ربات و به معنای فایل های PI درست است،
141
00:08:43,890 –> 00:08:46,170
بنابراین این ساختار پوشه ما است، بنابراین
142
00:08:46,170 –> 00:08:49,500
وقتی برنامه را از github دانلود
143
00:08:49,500 –> 00:08:52,530
می کنید، مقداری شبیه به این را خواهید دید. این
144
00:08:52,530 –> 00:08:55,770
از چیزی شبیه به این استفاده می کند، بنابراین شما
145
00:08:55,770 –> 00:08:58,790
فقط باید این فایل را
146
00:08:58,790 –> 00:09:06,540
مستقیماً اجرا کنید، نیازی به انجام هیچ
147
00:09:06,540 –> 00:09:08,850
رویکرد مرحله نهایی یا چیزی شبیه به آن نیست،
148
00:09:08,850 –> 00:09:11,130
شما نیازی به داشتن هیچ گونه وابستگی ندارید،
149
00:09:11,130 –> 00:09:15,380
تنها چیزی که باید داشته باشید این است – این
150
00:09:15,380 –> 00:09:19,650
فایلهایی که در این پوشه هستند، بنابراین
151
00:09:19,650 –> 00:09:23,150
اکنون فقط شما را از طریق کد راهنمایی میکنم،
152
00:09:23,150 –> 00:09:28,710
بنابراین این فایل رابط کاربری گرافیکی است درست است، بنابراین
153
00:09:28,710 –> 00:09:31,100
قبل از آن فقط شما را به
154
00:09:31,100 –> 00:09:34,800
پیشنیازهای این ربات راهنمایی میکنم تا همانطور که
155
00:09:34,800 –> 00:09:39,440
قبلاً به شما گفتم این یک است
156
00:09:39,890 –> 00:09:44,490
ربات چت مبتنی بر بازیابی درست است، بنابراین
157
00:09:44,490 –> 00:09:46,260
کتابخانه های اصلی که در اینجا استفاده می
158
00:09:46,260 –> 00:09:49,890
کنیم یک ADK است که ابزار پردازش زبان طبیعی است که
159
00:09:49,890 –> 00:09:53,130
اساساً این
160
00:09:53,130 –> 00:09:57,440
کتابخانه برای پردازش متن و
161
00:09:57,440 –> 00:10:00,360
پردازش زبان طبیعی استفاده می شود و چگونه می
162
00:10:00,360 –> 00:10:04,740
توانید زبان انسان را به
163
00:10:04,740 –> 00:10:06,720
روشی ساده تر تفسیر کنید. متشکل از
164
00:10:06,720 –> 00:10:10,440
چندین روش در آن برای
165
00:10:10,440 –> 00:10:13,640
پردازش X برای افشای خاص است و
166
00:10:13,640 –> 00:10:16,770
ما همچنین یک کتابخانه یادگیری scikit
167
00:10:16,770 –> 00:10:20,910
برای چای برای شناسایی فرکانس حرارتی خواهیم داشت
168
00:10:20,910 –> 00:10:23,160
که یک
169
00:10:23,160 –> 00:10:25,410
عبارت خاص در یک
170
00:10:25,410 –> 00:10:31,710
سوال یا پاسخ چقدر تکرار می شود و همچنین شما
171
00:10:31,710 –> 00:10:34,920
یک مجموعه ای از کتابخانه های مورد استفاده در
172
00:10:34,920 –> 00:10:39,960
این که numpy هستند و مواردی از این قبیل،
173
00:10:39,960 –> 00:10:48,180
بنابراین وقتی این فایل numpy را مشاهده می کنید، می
174
00:10:48,180 –> 00:10:56,460
دانید که یک LD k را در اینجا
175
00:10:56,460 –> 00:11:00,210
می بینید، مقیاسی در scikit-learn خواهید دید
176
00:11:00,210 –> 00:11:04,950
که اساساً این
177
00:11:04,950 –> 00:11:08,220
توابع را هم به صورت کسینوس وارد می کند. شباهت و EFI
178
00:11:08,220 –> 00:11:12,830
d-doctor vectorizer vectorize. اوه متأسفم،
179
00:11:12,830 –> 00:11:18,420
بنابراین وقتی صحبت از تحلیل می شود،
180
00:11:18,420 –> 00:11:25,070
قبلاً چیزی به نام پیکره
181
00:11:25,070 –> 00:11:31,080
دارد که از داده های زبان انسانی تشکیل شده است.
182
00:11:31,080 –> 00:11:34,020
رابط کاربری من یا منبع واژگانی من
183
00:11:34,020 –> 00:11:39,420
مانند یک کلمه خالص یا
184
00:11:39,420 –> 00:11:41,790
استدلال معنایی را ارائه می دهد و چیزی شبیه به آن را بسته بندی می کند
185
00:11:41,790 –> 00:11:45,570
و قبلاً مجموعه ای از داده ها را برای یک زبان تمیز در اختیار شما قرار می دهد
186
00:11:45,570 –> 00:11:52,320
بنابراین برای این NL
187
00:11:52,320 –> 00:11:55,130
DK من فقط
188
00:11:55,130 –> 00:11:57,930
اسناد خوبی در مورد آن قرار خواهم داد که چه چیزی چیست
189
00:11:57,930 –> 00:12:00,030
و چگونه می توانید از این استفاده کنید
190
00:12:00,030 –> 00:12:04,710
اساساً ما در اینجا از آن استفاده
191
00:12:04,710 –> 00:12:10,310
می کنیم. می توانید ببینید که ما از دو مجموعه داده استفاده
192
00:12:10,310 –> 00:12:13,320
می کنیم.
193
00:12:13,320 –> 00:12:17,340
194
00:12:17,340 –> 00:12:21,360
195
00:12:21,360 –> 00:12:25,260
برنامه شما
196
00:12:25,260 –> 00:12:30,960
مجموعه داده ها را به
197
00:12:30,960 –> 00:12:34,320
صورت محلی در برنامه دانلود می کند و از طریق آن اجرا می شود، بنابراین
198
00:12:34,320 –> 00:12:36,870
فقط یک بار مورد نیاز است، بنابراین برای آن
199
00:12:36,870 –> 00:12:39,060
به اتصال اینترنت نیاز خواهید داشت و
200
00:12:39,060 –> 00:12:40,770
بنابراین مطمئن شوید که به
201
00:12:40,770 –> 00:12:42,750
اینترنت متصل هستید، مجموعه را دانلود می کند و
202
00:12:42,750 –> 00:12:46,500
برنامه را اجرا کنید، بنابراین این
203
00:12:46,500 –> 00:12:49,740
اساساً برای این مورد استفاده می شود، بنابراین من قطعاً
204
00:12:49,740 –> 00:12:51,600
مستندات مجازات K را در
205
00:12:51,600 –> 00:12:58,520
توضیحات قرار خواهم داد، بنابراین آن را بررسی کنید و
206
00:12:58,520 –> 00:13:03,510
اجازه دهید به خود کد برویم، بنابراین
207
00:13:03,510 –> 00:13:06,810
این کد برای ربات بنابراین گام به
208
00:13:06,810 –> 00:13:08,760
گام من فقط به شما توضیح می دهم که
209
00:13:08,760 –> 00:13:14,940
در اینجا چه اتفاقی می افتد،
210
00:13:14,940 –> 00:13:17,670
بنابراین چندین فرآیند
211
00:13:17,670 –> 00:13:19,949
در اینجا در حال انجام است، بنابراین فقط یک
212
00:13:19,949 –> 00:13:23,420
کتابخانه نیست که همه چیز را در این مورد
213
00:13:23,420 –> 00:13:29,579
یک مورد LD مدیریت می کند، بنابراین در اینجا ما
214
00:13:29,579 –> 00:13:34,699
یک مورد را وارد می کنیم. دسته ای از وابستگی ها یا کتابخانه ها و
215
00:13:34,699 –> 00:13:39,839
در اینجا در این مرحله یا این خط، ما
216
00:13:39,839 –> 00:13:43,199
اساساً آن دسته از دانش
217
00:13:43,199 –> 00:13:44,880
خود یا فایل های متنی را که استفاده می کنیم وارد می
218
00:13:44,880 –> 00:13:47,699
کنیم که در واقع
219
00:13:47,699 –> 00:13:50,759
کل فایل متنی را برای پاسخ هایی
220
00:13:50,759 –> 00:13:54,149
که ربات قرار است به شما بدهد، می خواند.
221
00:13:54,149 –> 00:13:59,610
این برای خواندن فایل بود
222
00:13:59,610 –> 00:14:02,459
و شما فایل را میخوانید و در واقع
223
00:14:02,459 –> 00:14:06,180
کل ورودی کاربر و همچنین
224
00:14:06,180 –> 00:14:10,139
متن هنری را از پایگاه دانش یا
225
00:14:10,139 –> 00:14:13,170
فایل txt به حروف کوچک تبدیل میکند، بنابراین
226
00:14:13,170 –> 00:14:15,329
مهم نیست که کاربر چه چیزی ارائه
227
00:14:15,329 –> 00:14:16,980
میدهد که بزرگ باشد. یا با حروف کوچک
228
00:14:16,980 –> 00:14:19,829
به طور خودکار متن
229
00:14:19,829 –> 00:14:22,889
را به یک حروف کوچک تبدیل می کند، بنابراین یک رویکرد آسان
230
00:14:22,889 –> 00:14:26,579
خواهد بود یا بهتر
231
00:14:26,579 –> 00:14:28,829
است ربات کلمات یا
232
00:14:28,829 –> 00:14:33,319
رشته ها را در یک Go to man و
233
00:14:33,319 –> 00:14:36,060
این یکی را شناسایی کند. این کلمه
234
00:14:36,060 –> 00:14:40,110
مجموعه داده های ماست که 8 خود تحلیلی
235
00:14:40,110 –> 00:14:43,680
ارائه می کنند و شما فقط باید یک بار آن را اجرا کنید،
236
00:14:43,680 –> 00:14:45,959
ما نیازی به استفاده از آن در هر بار
237
00:14:45,959 –> 00:14:49,500
نداریم، بنابراین هنگامی که اجرای
238
00:14:49,500 –> 00:14:51,630
برنامه را در اولین بار تمام کردید، فقط
239
00:14:51,630 –> 00:14:58,470
به آن نیاز دارید. اینطوری از کامنت خارج کردن و بله
240
00:14:58,470 –> 00:15:03,269
همین بود و این پیکان
241
00:15:03,269 –> 00:15:06,449
ادامه مییابد پسرها باید کاری انجام
242
00:15:06,449 –> 00:15:12,569
دهند و حالا ما فقط به این قسمت میرویم که در
243
00:15:12,569 –> 00:15:19,649
واقع بخش احوالپرسی است،
244
00:15:19,649 –> 00:15:23,209
بنابراین در اینجا شما تعداد زیادی پاسخ خواهید دید.
245
00:15:23,209 –> 00:15:26,339
یک تابع برای احوالپرسی اولیه است،
246
00:15:26,339 –> 00:15:28,620
بنابراین برای
247
00:15:28,620 –> 00:15:31,560
احوالپرسی، اساساً اگر من در مورد اوه سلام
248
00:15:31,560 –> 00:15:32,760
249
00:15:32,760 –> 00:15:34,770
یا چه خبر یا چیزی شبیه به آن
250
00:15:34,770 –> 00:15:37,350
که معمولی تر است و
251
00:15:37,350 –> 00:15:41,640
غنای موضوع سؤال کنم، من قبلاً تعدادی
252
00:15:41,640 –> 00:15:45,270
سؤال و پاسخ از پیش تعریف شده ارائه کرده ام، بنابراین
253
00:15:45,270 –> 00:15:48,830
اساساً تطبیق الگو وجود دارد.
254
00:15:48,830 –> 00:15:52,530
در اینجا انجام می شود، به عنوان مثال، اگر من
255
00:15:52,530 –> 00:15:56,790
Hey را تایپ کنم و ربات در آن آرایه جستجو می کند
256
00:15:56,790 –> 00:16:02,220
و سعی می کند پیدا کند چه چیزی
257
00:16:02,220 –> 00:16:07,340
برای پاسخ مناسب تر است
258
00:16:07,340 –> 00:16:13,020
که درست مورد نیاز است، بنابراین همه چیز در
259
00:16:13,020 –> 00:16:16,320
اینجا از پیش تعریف شده است و می توانید خود را اضافه کنید.
260
00:16:16,320 –> 00:16:19,260
خود را داشته باشید یا می توانید ربات خود را
261
00:16:19,260 –> 00:16:21,540
کاملاً بر اساس این نوع
262
00:16:21,540 –> 00:16:24,180
رویکرد ایجاد کنید، اما این فقط برای
263
00:16:24,180 –> 00:16:28,140
بخش ایجاد است، بنابراین فقط برای بخش احوالپرسی
264
00:16:28,140 –> 00:16:31,920
از این استفاده کرده ایم و همانطور که می
265
00:16:31,920 –> 00:16:35,970
بینید متن کاربر
266
00:16:35,970 –> 00:16:38,580
به okay تبدیل شده است. و مواردی
267
00:16:38,580 –> 00:16:41,250
268
00:16:41,250 –> 00:16:45,000
از این دست و پاسخ را از این سمت راست میدهد یا برمیگرداند، بنابراین
269
00:16:45,000 –> 00:16:47,960
بررسی میکند و بهطور تصادفی
270
00:16:47,960 –> 00:16:51,330
پاسخی را از یکی از پاسخهای از پیش تعریفشده
271
00:16:51,330 –> 00:16:53,970
در اینجا انتخاب میکند و به
272
00:16:53,970 –> 00:16:57,120
کاربر میدهد، بنابراین این فقط برای نقطه احوالپرسی است.
273
00:16:57,120 –> 00:17:04,760
و بنابراین این یک توضیح اولیه
274
00:17:04,760 –> 00:17:12,270
است و در اینجا ما از آن به عنوان
275
00:17:12,270 –> 00:17:19,260
یک اسکی به تنهایی استفاده می کنیم و اینکه چگونه می
276
00:17:19,260 –> 00:17:24,200
توانید متن را به روشی بهتر پردازش کنید، بنابراین
277
00:17:24,200 –> 00:17:28,710
ما از دو روش بر روی بردار شناسه TF و شباهت کسینوس شما استفاده می کنیم،
278
00:17:28,710 –> 00:17:32,940
بنابراین
279
00:17:32,940 –> 00:17:36,540
مستندات مربوط به این مورد من است.
280
00:17:36,540 –> 00:17:38,640
مطمئناً اسناد خوبی برای آن
281
00:17:38,640 –> 00:17:41,760
قرار خواهم داد زیرا این یک موضوع پیشرفته خوب است
282
00:17:41,760 –> 00:17:48,169
و پاسخ های داده شده توسط ربات ها
283
00:17:48,169 –> 00:17:54,080
بهتر بررسی
284
00:17:54,080 –> 00:17:59,100
285
00:17:59,100 –> 00:18:02,880
می شود. در پاسخها
286
00:18:02,880 –> 00:18:06,780
و همچنین درخواستهای کاربران، آن را
287
00:18:06,780 –> 00:18:11,040
بررسی میکند، بنابراین شکل کامل
288
00:18:11,040 –> 00:18:16,250
آن TF، شناسه معکوس فرکانس اصطلاحی است،
289
00:18:16,250 –> 00:18:21,000
بنابراین سعی
290
00:18:21,000 –> 00:18:22,890
میکند اهمهای مکرر
291
00:18:22,890 –> 00:18:26,130
موجود در پایگاه دانش را پیدا کند و به
292
00:18:26,130 –> 00:18:30,419
شما یک خروجی اساساً کل فرآیند
293
00:18:30,419 –> 00:18:32,340
برای پردازش متن متأسفم، اگرچه
294
00:18:32,340 –> 00:18:35,460
اساساً تمام چیزی که پشت سر
295
00:18:35,460 –> 00:18:38,580
آن است پردازش متن و الگوی
296
00:18:38,580 –> 00:18:40,890
مطابق با هیچ چیز درست نیست،
297
00:18:40,890 –> 00:18:47,130
اوه این فلش آزاردهنده است درست است، بنابراین
298
00:18:47,130 –> 00:18:50,040
این تابعی است که ما در واقع
299
00:18:50,040 –> 00:18:54,809
از آن استفاده می کنیم و در رابط کاربری گرافیکی گزارش می دهیم.
300
00:18:54,809 –> 00:18:57,510
یک تابع است و این تابع دیگری است
301
00:18:57,510 –> 00:19:01,880
که وارد
302
00:19:01,880 –> 00:19:05,460
می شود که پاسخ را به کاربر برمی گرداند یا می دهد
303
00:19:05,460 –> 00:19:08,929
، بنابراین همانطور که در اینجا می بینید
304
00:19:08,929 –> 00: