Este proyecto es un chatbot desarrollado para interactuar con los clientes de Palacio de Hierro, una reconocida tienda departamental. El chatbot está diseñado para proporcionar información sobre productos y precios ante preguntas por recomendaciones de los clientes de manera eficiente y amigable.
Para obtener los datos necesarios para el chatbot, realizamos web scraping en el sitio web de Palacio de Hierro. Aquí están los pasos para ejecutar el script de web scraping:
- Instalar las librerías necesarias para ejecutar el script de web scraping. Para esto, ejecutar el siguiente comando en la terminal:
pip install -r requirements.txt- Ejecutar los scripts en el orden que se indica a continuación:
- scrap_to_json.ipynb: Este script obtiene los links de los productos de la página principal de la tienda y los JSON de cada subcategoría de productos.
- json_to_csv.ipynb: Este script convierte los JSON obtenidos en el paso anterior a un dataframe de pandas en formato CSV.
- csv_to_test-csv.ipynb: Este script toma el CSV obtenido en el paso anterior y extrae una muestra de productos para probar el chatbot.
Para ejecutar el chatbot, se debe cargar su base de datos de productos completa o de test en GCP. Puede hacerlo moviendo el archivo para embeddings y de productos creados a la carpeta project dentro de un notebook en Vertex AI Workbench o cargarlos directamente en un bucket de GCP mediante BigQuery.
Luego de esto, ejecute el notebook en Vertex AI Workbench llamado "get_embeddings.ipynb" y siga las instrucciones que se encuentran en él. Este notebook se encargará de crear los embeddings de los productos y guardarlos posteriormente.
Finalmente, ejecute la aplicación de Streamlit mediante el siguiente comando en la terminal:
streamlit run chatbot.pySi todo se ejecutó correctamente, debería ver una ventana como en el siguiente ejemplo de uso:
- Sebastián Guzmán
- Diana Escobar
- Valentina Castro