本文轉(zhuǎn)載自公眾號(hào)“讀芯術(shù)”(ID：AI_Discovery)

[[390546]]

了解聊天機(jī)器人的主要用途很重要，每個(gè)行業(yè)都不能使用同一個(gè)聊天機(jī)器人，他們有不同的目的和不同的語(yǔ)料庫(kù)。雖然消息傳遞組件可以很好地給予答復(fù)，但是可能需要時(shí)間作出回應(yīng)。另一方面，考慮到時(shí)間問(wèn)題，可以應(yīng)用各種其他方法，甚至可以找到一些以規(guī)則為基礎(chǔ)的系統(tǒng)，以獲得適合回答所提問(wèn)題的語(yǔ)句。

你曾多少次聯(lián)系旅行社要求退票，得到一個(gè)恰當(dāng)?shù)拇饛?fù)是遠(yuǎn)遠(yuǎn)不夠的。

現(xiàn)在讓我們制作一個(gè)簡(jiǎn)單的聊天機(jī)器人，安裝以下軟件包：

pip install nltk  
pip install newspaper3k 

Package newspaper3k有以下優(yōu)點(diǎn)：

• 多線程文章下載框架
• 可識(shí)別新聞URL
• 可從HTML中提取文本
• 從HTML中提取頂層圖像
• 可從HTML提取所有圖像
• 可從文本中提取關(guān)鍵詞
• 可從文本中提取摘要
• 可從文本中提取作者
• 谷歌趨勢(shì)術(shù)語(yǔ)提取
• 使用10多種語(yǔ)言(英語(yǔ)、德語(yǔ)、阿拉伯語(yǔ)、中文等)

導(dǎo)入庫(kù)，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將相似度計(jì)算為X和Y的標(biāo)準(zhǔn)化點(diǎn)積：

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

參數(shù)

X{ndarray, sparse matrix} of shape (n_samples_X, n_features) 輸入數(shù)據(jù)。

Y{ndarray,sparse matrix} of shape (n_samples_Y, n_features), default=None 輸入數(shù)據(jù)。

如果沒(méi)有，輸出將是X. dense_outputbool中所有樣本之間的成對(duì)相似性，default =True是否返回密集輸出，即使輸入是稀疏的。如果為False，則如果兩個(gè)輸入數(shù)組都是稀疏的，則輸出是稀疏的。

返回

核矩陣：ndarray of shape(n_samples_X, n_samples_Y)

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

這里從一個(gè)醫(yī)療保健網(wǎng)站獲取數(shù)據(jù)：

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) 

準(zhǔn)備好了語(yǔ)料庫(kù)之后，你需要考慮用戶或客戶可能會(huì)問(wèn)或說(shuō)的問(wèn)題，這與我們的內(nèi)容無(wú)關(guān)。它可以是問(wèn)候語(yǔ)、感謝語(yǔ)，也可以是拜拜之類(lèi)的信息。團(tuán)隊(duì)需要就這些信息和他們的反應(yīng)進(jìn)行考量。

問(wèn)候機(jī)器人響應(yīng)：

#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() 

感謝機(jī)器人響應(yīng)：

#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)

種類(lèi)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 

聊天機(jī)器人響應(yīng)功能來(lái)自于對(duì)預(yù)定義文本的余弦相似性的響應(yīng)。

#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 

對(duì)于退出聊天，退出列表中的單詞寫(xiě)為“退出”，“再見(jiàn)”，“再見(jiàn)”，“退出”。

響應(yīng)這些話，聊天機(jī)器人將退出聊天。

啟動(dòng)聊天機(jī)器人，盡情享受吧!

#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)) 

請(qǐng)參見(jiàn)下面聊天機(jī)器人的回復(fù)：

“謝謝”并不在我們的機(jī)器人感謝程序中，因此我們要傳達(dá)這樣的信息。隨著時(shí)間的推移，你可以擴(kuò)大這樣的詞匯表，或者使用正則表達(dá)式對(duì)其進(jìn)行微調(diào)。

舉個(gè)小例子，與聊天機(jī)器人開(kāi)始聊天，應(yīng)該是快速和簡(jiǎn)單的。你需要針對(duì)不同行業(yè)對(duì)聊天機(jī)器人進(jìn)行微調(diào)，這些行業(yè)的語(yǔ)料庫(kù)來(lái)自實(shí)時(shí)數(shù)據(jù)或云端的一些儲(chǔ)存。

此外，需要注意的是，實(shí)時(shí)數(shù)據(jù)要面對(duì)挑戰(zhàn)，聊天必須基于最新的數(shù)據(jù)作出回應(yīng)，例如在旅行社訂票。