blipnlptest 0.2.0

Teste dos provedores integrados na plataforma em conjunto com o Assistente de Conteudo.

BlipNlpTest

Essa é uma classe que permite o teste de mensagens em provedores integrados na plataforma, com o retorno do conteúdo cadastrado no Assistente de Conteudo.

Instalação

Para instalar o pacote, basta executar o comando abaixo:

pip install blipnlptest

Uso

Após a instalação do pacote, você terá acesso a classe que permitirá a execução do teste.

Os parâmetros necessários são:

• data (opcional) : Dataframe de entrada
• resource (opcional) : Nome do recurso com o texto de tests
• threshold (opcional) : float referente ao threshold do provedor com valores entre 0.1 (10%) a 1.0 (100%). (default: 0.5)
• key : chave do bot.

Exemplo do código:

Caso a análise seja de dados já analisados pelo provedor (envie um dataframe que tenha no mínimo as colunas Text, Intentions, Entities e Score), use:

import blipnlptest as bnt

cc = bnt.contentchecker(key, data=df)
cc.identityanalysis()

Se a análise for feita com dados que não foram analisados (envie um dataframe que a coluna de texto tenha o nome Text), use:

import blipnlptest as bnt

cc = bnt.contentchecker(key, data=df)
cc.sentences()

OBS: A divisão foi feita para que os dados já rotulados não realizem outra análise no provedor.

Caso queira analisar com dados que não estejam na base de dados, utilize o recurso do bot. O recurso deverá ser do tipo texto, e as mensagens separadas por vírgula. Use:

import blipnlptest as bnt

cc = bnt.contentchecker(key, resource='nome_do_recurso')
cc.sentences()

Em todos os casos, você pode colocar o valor do threshold personalizado, da seguinte forma:

cc = bnt.contentchecker(key, data=df,threshold=0.6)
cc.sentences()

Com os parâmetros previamente atribuídos, rodando o código acima você terá como saída a exibição do resultado com:

• A mensagem de entrada;
• A intenção reconhecida;
• As entidades reconhecidas;
• O score;
• A resposta entregue pelo Assistente de Conteudo;
• Se foi entregue (y/n);
• Ponto de atenção.

Os pontos de atenção são sugestões de pontos para observar, eles tem os status abaixo:

• model = Se o score for baixo e não retornar conteúdo, necessário avaliar o aumento da confiança no modelo;
• refine = Se o score for baixo e existir uma resposta no Assistente de Conteudo, é necessário refinar e entender os próximos passos (aumentar a confiança ou ajustar os exemplos de alguma intenção);
• valid = Se o score for alto e retornou uma resposta, avaliar se a resposta está válida.
• content | entity in the combination = Se o score estiver alto, foi identificada entidade e não retornou uma resposta, é válido checar a falta da entidade na combinação;
• content | entity in the model = Se o score estiver alto, e não foi identificada alguma entidade, é válido checar a falta dela no modelo (que se criada, consequentemente irá impactar o conteúdo.

Licença

Esse projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.