十分钟，如何制作一个聊天机器人？

本文转载自公众号“读芯术”(ID：AI_Discovery)

了解聊天机器人的主要用途很重要，每个行业都不能使用同一个聊天机器人，他们有不同的目的和不同的语料库。虽然消息传递组件可以很好地给予答复，但是可能需要时间作出回应。另一方面，考虑到时间问题，可以应用各种其他方法，甚至可以找到一些以规则为基础的系统，以获得适合回答所提问题的语句。

你曾多少次联系旅行社要求退票，得到一个恰当的答复是远远不够的。

现在让我们制作一个简单的聊天机器人，安装以下软件包：

pip install nltk  
pip install newspaper3k 

Package newspaper3k有以下优点：

• 多线程文章下载框架
• 可识别新闻URL
• 可从HTML中提取文本
• 从HTML中提取顶层图像
• 可从HTML提取所有图像
• 可从文本中提取关键词
• 可从文本中提取摘要
• 可从文本中提取作者
• 谷歌趋势术语提取
• 使用10多种语言(英语、德语、阿拉伯语、中文等)

导入库，如下所示：

#import libraries 
from newspaper import Article 
import random 
import nltk 
import string 
from sklearn.feature_extraction.text import CountVectorizer 
from sklearn.metrics.pairwise import cosine_similarity 

余弦相似度或余弦核将相似度计算为X和Y的标准化点积：

sklearn.metrics.pairwise.cosine_similarity(X, Y=None, dense_output=True) 

参数

X{ndarray, sparse matrix} of shape (n_samples_X, n_features) 输入数据。

Y{ndarray,sparse matrix} of shape (n_samples_Y, n_features), default=None 输入数据。

如果没有，输出将是X. dense_outputbool中所有样本之间的成对相似性，default =True是否返回密集输出，即使输入是稀疏的。如果为False，则如果两个输入数组都是稀疏的，则输出是稀疏的。

返回

核矩阵：ndarray of shape(n_samples_X, n_samples_Y)

import numpy as np 
import warnings 
warnings.filterwarnings('ignore') 

这里从一个医疗保健网站获取数据：

article=Article("https://www.mayoclinic.org/diseases-conditions/chronic-kidney-disease/symptoms-causes/syc-20354521") 
article.download() 
article.parse() 
article.nlp() 
corpus=article.text 
print(corpus) 
 
 
#tokenization 
text=corpus 
sentence_list=nltk.sent_tokenize(text) #A list of sentences 
 
 
#Print the list of sentences 
print(sentence_list) 

准备好了语料库之后，你需要考虑用户或客户可能会问或说的问题，这与我们的内容无关。它可以是问候语、感谢语，也可以是拜拜之类的信息。团队需要就这些信息和他们的反应进行考量。

问候机器人响应：

#Random response to greeting 
def greeting_response(text): 
 text=text.lower() 
 
 
 #Bots greeting 
 bot_greetings=["howdy","hi","hola","hey","hello"] 
 
 
  #User Greetings 
 user_greetings=["wassup","howdy","hi","hola","hey","hello"] 
 for word in text.split(): 
 if word in user_greetings: 
 return random.choice(bot_greetings) 
#Random response to greeting 
def gratitude_response(text): 
 text=text.lower() 

感谢机器人响应：

#Bots gratitude 
 bot_gratitude=["Glad tohelp","You are most welcome", "Pleasure to be ofhelp"] 
 
 
 #User Gratitude 
 user_gratitude=["Thankyou somuch","grateful","Thankyou","thankyou","thankyou"] 
 
 
 for word in text.split(): 
 if word in user_gratitude: 
 return random.choice(bot_gratitude)

种类列表：

# Default title text 
def index_sort(list_var): 
 length=len(list_var) 
 list_index=list(range(0,length)) 
 x=list_var 
 for i in range(length): 
 for j in range(length): 
 if x[list_index[i]]>x[list_index[j]]: 
 #swap 
 temp=list_index[i] 
 list_index[i]=list_index[j] 
 list_index[j]=temp 
 
 
 return list_index 

聊天机器人响应功能来自于对预定义文本的余弦相似性的响应。

#Creat Bots Response 
def bot_response(user_input): 
 user_input=user_input.lower() 
 sentence_list.append(user_input) 
 bot_response="" 
 cm=CountVectorizer().fit_transform(sentence_list) 
 similarity_scores=cosine_similarity(cm[-1],cm) 
 similarity_scores_list=similarity_scores.flatten() 
 index=index_sort(similarity_scores_list) 
 index=index[1:] 
 response_flag=0 
 j=0 
 for i in range(len(index)): 
 ifsimilarity_scores_list[index[i]]>0.0: 
  bot_response=bot_response+''+sentence_list[index[i]] 
 response_flag=1 
 j=j+1 
 if j>2: 
 break 
 
 
 if response_flag==0: 
 bot_response=bot_response+""+"I apologize, I dont understand" 
 
 
 sentence_list.remove(user_input)  
 
 
 return bot_response 

对于退出聊天，退出列表中的单词写为“退出”，“再见”，“再见”，“退出”。

响应这些话，聊天机器人将退出聊天。

启动聊天机器人，尽情享受吧!

#Start Chat 
print("Doc Bot: I am DOc bot and I will answer your queries about chronickidney disease, if you want to exit type, bye") 
 
 
exit_list=['exit','bye','see you later','quit'] 
 
 
while(True): 
 user_input=input() 
 if user_input.lower() in exit_list: 
 print("Doc Bot: Bye Bye See youlater") 
 break 
 elif greeting_response(user_input)!=None: 
 print("Doc Bot: "+greeting_response(user_input)) 
 elif gratitude_response(user_input)!=None: 
 print("Doc Bot: "+gratitude_response(user_input))  
 else: 
 print("Doc Bot: "+bot_response(user_input)) 

请参见下面聊天机器人的回复：

“谢谢”并不在我们的机器人感谢程序中，因此我们要传达这样的信息。随着时间的推移，你可以扩大这样的词汇表，或者使用正则表达式对其进行微调。

举个小例子，与聊天机器人开始聊天，应该是快速和简单的。你需要针对不同行业对聊天机器人进行微调，这些行业的语料库来自实时数据或云端的一些储存。

此外，需要注意的是，实时数据要面对挑战，聊天必须基于最新的数据作出回应，例如在旅行社订票。

本文转载自网络，原文链接：https://www.toutiao.com/i6945021891006546470/
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！