Rasa Giriş

actions.py

"""
ÖRNEK BİR CUSTOM ACTION
"""

from typing import Any, Text, Dict, List

from rasa_sdk import Action, Tracker
from rasa_sdk.executor import CollectingDispatcher

import requests
BASE_URL = "http://worldtimeapi.org/api/timezone/"

class ActionShowTimeZone(Action):
    """
    every class has just 2 methods: name & run
    """
    def name(self) -> Text:
        """Returns the name of action
        Returns:
            Text: the text we will register in `domain.py`
        """
        return "action_find_timezone"

    def run(self, dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:

        # we can get values from slots by `tracker` object
        target_timezone = tracker.get_slot('target_timezone')
        try:
            res = requests.get(BASE_URL+target_timezone)
            res = res.json()
        
            if res['utc_offset']:
                output = f"Time zone is {res['utc_offset']}"
            else:
                output = "Please type in this structure: Area/Region"
        except:
            output = 'Ops! There are too many requests on the time zone API. Please try a few moments later...'
        dispatcher.utter_message(text=output)       
        return []

rasa_giris.md

Rasa: Giriş

Rasa ile Chatbot Yapımına Giriş videoma bakabilirsiniz.

Temel Komutlar

pip install rasa → Rasa’yı Python ortamına yükler

rasa init → Rasa projesi oluşturur

rasa shell → Modeli çalıştırır ve Rasa ile etkileşime geçmemizi sağlar

rasa train → Yaptığımız değişikleri modele uygular ve Rasa’yı yeniden eğitir

rasa run actions → Custom action’ları çalıştırmak için kullanılacak serveri ayağa kaldırır

Temel Rasa Kavramları

• Intent → Kullanıcıdan alınan inputların karşılık geldiği kavramlardır. Kullanıcıdan X geldiğinde Y demek istediğini anla gibi düşünebiliriz.
• Response / Action → Intent’lere verilecek cevaplar. Rasa içerinde action olarak tanımlanırlar.
• Story → Rasa’nın hazırlıklı olması için önden hazırladığımız diyaloglardır. Diyalog akışları olarak düşünebiliriz.
• Rule → Genelleştirilmiş diyalog akışları (kural) olarak düşünebiliriz. Mesela her zaman selamlamak vs.
• Entity → Intent’ler içerisinden veri almak istersek Entity’leri kullanırız. nlu.yml ve domain.yml içerisinde tanımlamalıyız.
• Slot → Entity’leri uygulama çalışırken depolamak için kullanırız. Bu sayede Entity değerlerini uygulama içerisinde Store’dan çekip kullanabiliriz. domain.yml dosyasında slotları tanımlamalıyız.

Hangi Dosya Ne İşe Yarar

• nlu.yml →Intent’leri belirlemek için kullanırız
• domain.yml → Belirlediğimiz her Intent’i bu dosyada modele tanıtmak (kaydetmek) zorundayız
• stories.yml → Diyalog akışlarını bu dosya içerisinde tanımlarız
• rules.yml → Kuralları tanımlarız
• action.py → Custom action yazmak istersek bu dosyayı kullanırız. Her custom action Action sınıfından türetilmiş olmalıdır. Mutlaka 2 metodu olmalıdır: name ve run.