【自然语言处理篇】--Chatterbot聊天机器人

一、前述

ChatterBot是一个基于机器学习的聊天机器人引擎，构建在python上，主要特点是可以自可以从已有的对话中进行学(jiyi)习(pipei)。

二、具体

1、安装

是的，安装超级简单，用pip就可以啦

pip install chatterbot

2、流程

大家已经知道chatterbot的聊天逻辑和输入输出以及存储，是由各种adapter来限定的，我们先看看流程图，一会软再一起看点例子，看看怎么用。

【自然语言处理篇】--Chatterbot聊天机器人

3、每个部分都设计了不同的“适配器”(Adapter)。

机器人应答逻辑 => Logic Adapters
Closest Match Adapter 字符串模糊匹配(编辑距离)

Closest Meaning Adapter  借助nltk的WordNet，近义词评估
Time Logic Adapter 处理涉及时间的提问
Mathematical Evaluation Adapter 涉及数学运算

存储器后端 => Storage Adapters
 Read Only Mode 只读模式，当有输入数据到chatterbot的时候，数
据库并不会发生改变
 Json Database Adapter 用以存储对话数据的接口，对话数据以Json格式
进行存储。
Mongo Database Adapter  以MongoDB database方式来存储对话数据

输入形式 => Input Adapters

Variable input type adapter 允许chatter bot接收不同类型的输入的，如strings,dictionaries和Statements
Terminal adapter 使得ChatterBot可以通过终端进行对话
 HipChat Adapter 使得ChatterBot 可以从HipChat聊天室获取输入语句，通过HipChat 和 ChatterBot 进行对话
Speech recognition 语音识别输入，详见chatterbot-voice

输出形式 => Output Adapters
Output format adapter支持text，json和object格式的输出
Terminal adapter
HipChat Adapter
Mailgun adapter允许chat bot基于Mailgun API进行邮件的发送
Speech synthesisTTS(Text to speech)部分，详见chatterbot-voice

4、代码

基础版本

# -*- coding: utf- -*-

from chatterbot import ChatBot

# 构建ChatBot并指定Adapter

bot = ChatBot(

    'Default Response Example Bot',

    storage_adapter='chatterbot.storage.JsonFileStorageAdapter',#存储的Adapter

    logic_adapters=[

        {

            'import_path': 'chatterbot.logic.BestMatch'#回话逻辑

        },

        {

            'import_path': 'chatterbot.logic.LowConfidenceAdapter',#回话逻辑

            'threshold': 0.65,#低于置信度，则默认回答
'default_response': 'I am sorry, but I do not understand.'

        }

    ],

    trainer='chatterbot.trainers.ListTrainer'#给定的语料是个列表

)

# 手动给定一点语料用于训练

bot.train([

    'How can I help you?',

    'I want to create a chat bot',

    'Have you read the documentation?',

    'No, I have not',

    'This should help get you started: http://chatterbot.rtfd.org/en/latest/quickstart.html'

])

# 给定问题并取回结果

question = 'How do I make an omelette?'

print(question)

response = bot.get_response(question)

print(response)

print("\n")

question = 'how to make a chat bot?'

print(question)

response = bot.get_response(question)

print(response)

结果：

How do I make an omelette?

I am sorry, but I do not understand.

how to make a chat bot?

Have you read the documentation?

处理时间和数学计算的Adapter

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

bot = ChatBot(

    "Math & Time Bot",

    logic_adapters=[
"chatterbot.logic.MathematicalEvaluation",
"chatterbot.logic.TimeLogicAdapter"

    ],

    input_adapter="chatterbot.input.VariableInputTypeAdapter",

    output_adapter="chatterbot.output.OutputAdapter"

)

# 进行数学计算

question = "What is 4 + 9?"

print(question)

response = bot.get_response(question)

print(response)

print("\n")

# 回答和时间相关的问题

question = "What time is it?"

print(question)

response = bot.get_response(question)

print(response)

结果：

What is 4 + 9?

( 4 + 9 ) = 13

What time is it?

The current time is 05:08 PM

导出语料到json文件

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

'''

如果一个已经训练好的chatbot，你想取出它的语料，用于别的chatbot构建，可以这么做

'''

chatbot = ChatBot(

    'Export Example Bot',

    trainer='chatterbot.trainers.ChatterBotCorpusTrainer'

)

# 训练一下咯

chatbot.train('chatterbot.corpus.english')

# 把语料导出到json文件中

chatbot.trainer.export_for_training('./my_export.json')

反馈式学习聊天机器人

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

import logging

"""

反馈式的聊天机器人，会根据你的反馈进行学习

"""

# 把下面这行前的注释去掉，可以把一些信息写入日志中

# logging.basicConfig(level=logging.INFO)

# 创建一个聊天机器人

bot = ChatBot(

    'Feedback Learning Bot',

    storage_adapter='chatterbot.storage.JsonFileStorageAdapter',

    logic_adapters=[

        'chatterbot.logic.BestMatch'

    ],

    input_adapter='chatterbot.input.TerminalAdapter',#命令行端

    output_adapter='chatterbot.output.TerminalAdapter'

)

DEFAULT_SESSION_ID = bot.default_session.id

def get_feedback():

    from chatterbot.utils import input_function

    text = input_function()

    if 'Yes' in text:

        return True

    elif 'No' in text:

        return False

    else:

        print('Please type either "Yes" or "No"')

        return get_feedback()

print('Type something to begin...')

# 每次用户有输入内容，这个循环就会开始执行

while True:

    try:

        input_statement = bot.input.process_input_statement()

        statement, response = bot.generate_response(input_statement, DEFAULT_SESSION_ID)

        print('\n Is "{}" this a coherent response to "{}"? \n'.format(response, input_statement))

        if get_feedback():

            bot.learn_response(response,input_statement)

        bot.output.process_response(response)

        # 更新chatbot的历史聊天数据

        bot.conversation_sessions.update(

            bot.default_session.id_string,

            (statement, response, )

        )

    # 直到按ctrl-c 或者 ctrl-d 才会退出

    except (KeyboardInterrupt, EOFError, SystemExit):

        break

使用Ubuntu数据集构建聊天机器人

from chatterbot import ChatBot

import logging

'''

这是一个使用Ubuntu语料构建聊天机器人的例子

'''

# 允许打日志

logging.basicConfig(level=logging.INFO)

chatbot = ChatBot(

    'Example Bot',

    trainer='chatterbot.trainers.UbuntuCorpusTrainer'

)

# 使用Ubuntu数据集开始训练

chatbot.train()

# 我们来看看训练后的机器人的应答

response = chatbot.get_response('How are you doing today?')

print(response)

借助微软的聊天机器人

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

from settings import Microsoft

'''

关于获取微软的user access token请参考以下的文档

https://docs.botframework.com/en-us/restapi/directline/

'''

chatbot = ChatBot(

    'MicrosoftBot',

    directline_host = Microsoft['directline_host'],

    direct_line_token_or_secret = Microsoft['direct_line_token_or_secret'],

    conversation_id = Microsoft['conversation_id'],

    input_adapter='chatterbot.input.Microsoft',

    output_adapter='chatterbot.output.Microsoft',

    trainer='chatterbot.trainers.ChatterBotCorpusTrainer'

)

chatbot.train('chatterbot.corpus.english')

# 是的，会一直聊下去

while True:

    try:

        response = chatbot.get_response(None)

    # 直到按ctrl-c 或者 ctrl-d 才会退出

    except (KeyboardInterrupt, EOFError, SystemExit):

        break

HipChat聊天室Adapter

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

from settings import HIPCHAT

'''

炫酷一点，你可以接到一个HipChat聊天室，你需要一个user token，下面文档会告诉你怎么做

https://developer.atlassian.com/hipchat/guide/hipchat-rest-api/api-access-tokens

'''

chatbot = ChatBot(

    'HipChatBot',

    hipchat_host=HIPCHAT['HOST'],

    hipchat_room=HIPCHAT['ROOM'],

    hipchat_access_token=HIPCHAT['ACCESS_TOKEN'],

    input_adapter='chatterbot.input.HipChat',

    output_adapter='chatterbot.output.HipChat',

    trainer='chatterbot.trainers.ChatterBotCorpusTrainer'

)

chatbot.train('chatterbot.corpus.english')

# 没错，while True，会一直聊下去！

while True:

    try:

        response = chatbot.get_response(None)

    # 直到按ctrl-c 或者 ctrl-d 才会退出

    except (KeyboardInterrupt, EOFError, SystemExit):

        break

邮件回复的聊天系统

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

from settings import MAILGUN

'''

这个功能需要你新建一个文件settings.py，并在里面写入如下的配置:

MAILGUN = {

    "CONSUMER_KEY": "my-mailgun-api-key",

    "API_ENDPOINT": "https://api.mailgun.net/v3/my-domain.com/messages"

}

'''

# 下面这个部分可以改成你自己的邮箱

FROM_EMAIL = "mailgun@salvius.org"

RECIPIENTS = ["gunthercx@gmail.com"]

bot = ChatBot(

    "Mailgun Example Bot",

    mailgun_from_address=FROM_EMAIL,

    mailgun_api_key=MAILGUN["CONSUMER_KEY"],

    mailgun_api_endpoint=MAILGUN["API_ENDPOINT"],

    mailgun_recipients=RECIPIENTS,

    input_adapter="chatterbot.input.Mailgun",

    output_adapter="chatterbot.output.Mailgun",

    storage_adapter="chatterbot.storage.JsonFileStorageAdapter",

    database="../database.db"

)

# 简单的邮件回复

response = bot.get_response("How are you?")

print("Check your inbox at ", RECIPIENTS)

一个中文的例子

注意chatterbot，中文聊天机器人的场景下一定要用python3.X，用python2.7会有编码问题。

#!/usr/bin/python

# -*- coding: utf-8 -*-

#手动设置一些语料

from chatterbot import ChatBot

from chatterbot.trainers import ListTrainer

Chinese_bot = ChatBot("Training demo")

Chinese_bot.set_trainer(ListTrainer)

Chinese_bot.train([

    '你好',

    '你好',

    '有什么能帮你的？',

    '想买数据科学的课程',

    '具体是数据科学哪块呢？'

    '机器学习',

])

# 测试一下

question = '你好'

print(question)

response = Chinese_bot.get_response(question)

print(response)

print("\n")

question = '请问哪里能买数据科学的课程'

print(question)

response = Chinese_bot.get_response(question)

print(response)

结果：

你好

你好

请问哪里能买数据科学的课程

具体是数据科学哪块呢？

利用已经提供好的小中文语料库

#!/usr/bin/python

# -*- coding: utf-8 -*-

from chatterbot import ChatBot

from chatterbot.trainers import ChatterBotCorpusTrainer

chatbot = ChatBot("ChineseChatBot")

chatbot.set_trainer(ChatterBotCorpusTrainer)

# 使用中文语料库训练它

chatbot.train("chatterbot.corpus.chinese")

# 开始对话

while True:

    print(chatbot.get_response(input(">")))

秒客网

【自然语言处理篇】--Chatterbot聊天机器人

基础版本

处理时间和数学计算的Adapter

反馈式学习聊天机器人

借助微软的聊天机器人

HipChat聊天室Adapter

邮件回复的聊天系统

一个中文的例子

利用已经提供好的小中文语料库

相关文章