Upload 2 files

intents.json

@@ -0,0 +1,34 @@
+{"intents":[
+    {"tag": "greeting",
+     "pattern": ["oi","como está?","olá", "tem alguem ai?", "bom dia","tudo bem?"],
+     "responses": ["Olá","estou bem, obrigado por ter perguntado ;)","Bom ver você de novo!"],
+     "context_set": "" 
+    },
+    {"tag":"goodbye",
+    "pattern":["tchau","até mais","até logo","tenha um bom dia"],
+    "responses": ["triste por te ver indo :_(", "até mais!", "tchau!"],
+    "context_set": ""
+    },
+    {"tag":"age",
+    "pattern":["quantos anos você tem?" ],
+    "responses":["tenho 1 dia de vida apenas"],
+    "context_set":""
+    },
+    {"tag": "name",
+    "pattern": ["quem é você?", "qual é o seu nome?","como se chama?"],
+    "responses":["Meu nome é Eneias","Eu sou seu pai luke!", "Sou você do futuro!"],
+    "context_set":""
+    },
+    {"tag": "venda",
+    "pattern": ["Quero contratar seus serviços","Quais são os seus planos?"],
+    "responses":["Temos planos que se encaixam perfeitamente para você. Aqui estão eles: ","Temos os seguintes planos: "],
+    "context_set":""
+    },
+    {"tag": "default",
+    "pattern": ["", " ","  "],
+    "responses":["Desculpa, não entendi :("],
+    "context_set":""
+    }
+]
+
+}

main.py

@@ -0,0 +1,131 @@
+import nltk
+import numpy as np
+import tensorflow as tf
+from keras.models import Sequential, load_model
+from keras.layers import Dense
+import random
+import json
+import pickle
+
+###Deu certo###
+
+
+nltk.download('punkt')
+
+
+stemmer = nltk.stem.lancaster.LancasterStemmer()
+
+# Carregando a base de dados
+with open("/home/mrdev/Ollama_testes/tutorial_IA/intents.json") as file:
+    data = json.load(file)
+
+# Separando as informações
+try:
+    with open("/home/mrdev/Ollama_testes/tutorial_IA/data.pickle", "rb") as f:
+        words, labels, training, output = pickle.load(f)
+except:
+    words = []
+    labels = []
+    docs_y = []
+    docs_x = []
+
+    # Loop para armazenar as informações de forma separada
+    for intent in data["intents"]:
+        for pattern in intent["pattern"]:
+            wrds = nltk.word_tokenize(pattern)
+            words.extend(wrds)
+            docs_x.append(wrds)
+            docs_y.append(intent["tag"])
+
+            if intent["tag"] not in labels:
+                labels.append(intent["tag"])
+
+    # Organizando/pre-processamento
+    words = [stemmer.stem(w.lower()) for w in words if w != "?"]
+    words = sorted(list(set(words)))
+
+    labels = sorted(labels)
+
+    # Iniciando a tokenização e treinamento
+    training = []
+    output = []
+
+    out_empty = [0 for _ in range(len(labels))]
+
+    for x, doc in enumerate(docs_x):
+        bag = []
+
+        wrds = [stemmer.stem(w) for w in doc]
+
+        for w in words:
+            if w in wrds:
+                bag.append(1)
+            else:
+                bag.append(0)
+        output_row = out_empty[:]
+        output_row[labels.index(docs_y[x])] = 1
+
+        training.append(bag)
+        output.append(output_row)
+
+    training = np.array(training)
+    output = np.array(output)
+
+    with open("/home/mrdev/Ollama_testes/tutorial_IA/data.pickle", "wb") as f:
+        pickle.dump((words, labels, training, output), f)
+
+#print(data["intents"])
+
+# Iniciando a criação do modelo
+tf.keras.backend.clear_session()  # Limpa a sessão do TensorFlow
+model = Sequential()
+model.add(Dense(8, input_shape=(len(training[0]),), activation='relu'))
+model.add(Dense(8, activation='relu'))
+model.add(Dense(len(output[0]), activation='softmax'))
+
+# Compilando o modelo
+model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
+
+# Tentando carregar o modelo treinado
+try:
+    model = load_model("/home/mrdev/Ollama_testes/tutorial_IA/model_keras.h5")
+except:
+    # Treinando o modelo
+    model.fit(training, output, epochs=1000, batch_size=8, verbose=1)
+    # Salvando o modelo treinado
+    model.save("/home/mrdev/Ollama_testes/tutorial_IA/model_keras.h5")
+
+
+def bag_of_words(s, words):
+    bag = [0 for _ in range(len(words))]
+    s_words = nltk.word_tokenize(s)
+    s_words = [stemmer.stem(word.lower()) for word in s_words]
+
+    for se in s_words:
+        for i, w in enumerate(words):
+            if w == se:
+                bag[i] = 1
+    return np.array(bag)
+
+
+# Iniciando o chat em tempo real
+def chat():
+    print("__start__")
+    while True:
+        inp = input("Você: ")
+        if inp.lower() == "sair":
+            print("Saindo")
+            break
+        else:
+            results = model.predict(np.array([bag_of_words(inp, words)]))
+            results_index = np.argmax(results)
+            tag = labels[results_index]
+
+            for tg in data["intents"]:
+                if tg["tag"] == tag:
+                    responses = tg["responses"]
+
+            print(random.choice(responses))
+
+
+chat()