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提取所十分有图像 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 余弦相似钟,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_如何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) &nb制作sp; #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 gre一个eting_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_greeting聊天s: 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 Grati机器tude 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)&n人?bsp; 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十分_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=simi钟,larity_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 &nb如何sp;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&制作nbsp;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()  一个;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聊天_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。
- 最近发表
- 随机阅读
-
- 云安全日报210507:思科SD-WAN管理软件发现执行任意代码漏洞,需要尽快升级
- TWS苹果称王,华为不见踪影,小米第二OPPO、vivo成看客
- 标签: 哪吒汽车 DeepSeek 鸿蒙智行 华为乾崑智驾
- 硅谷民主党人:Facebook应该被拆分
- Epic Games:为保应用商店利润 谷歌为手机和游戏开发商付费
- 谷歌Gemini能耗大揭秘!单次回答仅耗微波炉一秒电量,AI绿色革命悄然开启
- 椹�柉鍏嬫姩鍑昏嫻鏋滐細鎴戜滑鎵嶄笉浼氬缓鈥滃洿澧欒姳鍥�€濇潵鎵撳嚮绔炰簤瀵规墜
- IDC:到2025年 中国AI软件市场公有云服务占比将达36.1%
- 别再被忽悠了!想靠Python找工作,你在做梦!
- 标签: 小米 蔚来 易车 AutoReport汽车产经
- 标签: 蔚来 财报 毛利率 现金储备
- 标签: 百度 百度一镜
- 标签: 菜鸟 智能箱 RFID芯片
- 前小米全球副总裁雨果·巴拉宣布从Facebook离职
- 标签: 中国信通院 无线经济 CAICT 数字经济
- 亚马逊清理云服务内容 违反规定将被删除
- 标签: OpenAI Sora 奥迪A6L 拼多多
- 鍗板害鍙嶅瀯鏂�満鏋勬寚鎺т簹椹�€婃姇璧勬湭鏉ラ泦鍥㈠瓙鍏�徃浜ゆ槗闅愮瀿浜嬪疄
- 七句话让AI给我做了个小游戏,还是极简版塞尔达,一玩简直停不下来
- 云计算核心技术Docker教程:在Docker中管理数据
- 搜索
-
- 友情链接