搭建一个聊天机器人

gossip

前几个星期双11的时候&＃xff0c;腾讯服务器搞活动&＃xff0c;我就入手一台轻量应用服务器&＃xff0c;然后买了一个2H4G的&＃xff0c;它是真的便宜&＃xff0c;我一下买了3年的&＃xff0c;然后就打算捣鼓一下它&＃xff0c;当然这个聊天机器人就是其中一个&＃xff0c;因为之前捣鼓过一次了&＃xff0c;比上一次好了许多&＃xff0c;有一点轻车熟路的感觉。

Start

目前市面上也有很多大厂做聊天机器人&＃xff0c;比如&＃xff0c;腾讯&＃xff0c;百度&＃xff0c;微软等&＃xff0c;而且也有一下开源的提供接口&＃xff0c;比如青云客&＃xff0c;思知。但是我想做一个自己的自己的聊天机器人&＃xff0c;对于我这种不太会机器学习的人来说&＃xff0c;难度很大&＃xff0c;但是偶然一次我看到百度开源的paddlepaddle&＃xff0c;它里面已经开源了一些模型&＃xff0c;包括一个聊天的模型&＃xff0c;并且提供了部署的框架&＃xff0c;可谓是非常的贴心&＃xff0c;话不多说&＃xff0c;开始干。

Work

首先要安装一些它的库。

pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple


这两个是必要的&＃xff0c;如果下面提示缺少什么就安装什么就好了&＃xff0c;这些都是基本操作&＃xff0c;不多说&＃xff0c;那下面就是开始搭建聊天机器人&＃xff0c;官方是给了一个微信聊天的机器人demo&＃xff0c;而我想封装成一个api调用&＃xff0c;这里先从简单的开始&＃xff0c;先使用官方的那个一键启动。

hub serving start -m plato-mini


这里第一次使用会进行模型下载&＃xff0c;然后运行完成之后&＃xff0c;就可以发送请求了。

import requests
import jsontexts &＃61; [["今天是个好日子"], ["天气预报说今天要下雨"]]
data &＃61; {"data": texts}
# 发送post请求&＃xff0c;content-type类型应指定json方式&＃xff0c;url中的ip地址需改为对应机器的ip
url &＃61; "http://127.0.0.1:8866/predict/plato-mini"
# 指定post请求的headers为application/json方式
headers &＃61; {"Content-Type": "application/json"}r &＃61; requests.post(url&＃61;url, headers&＃61;headers, data&＃61;json.dumps(data))
print(r.json())


但是这个只是一个人家官方给出的&＃xff0c;我想要的是再添加一些自己的功能&＃xff0c;这时候我们可以用另一种方式&＃xff0c;调用模型&＃xff0c;进行一些处理

# 非交互模式
import paddlehub as hubmodel &＃61; hub.Module(name&＃61;&＃39;plato-mini&＃39;)
data &＃61; [["你是谁&＃xff1f;"], ["你好啊。", "吃饭了吗&＃xff1f;",]]
result &＃61; model.predict(data)


# 交互模式
import paddlehub as hubmodel &＃61; hub.Module(name&＃61;&＃39;plato-mini&＃39;)
with model.interactive_mode(max_turn&＃61;3):while True:human_utterance &＃61; input("[Human]: ").strip()robot_utterance &＃61; model.predict(human_utterance)[0]print("[Bot]: %s"%robot_utterance)


细心地可以发现在交互模式下有个max_turn&＃xff0c;这个是代表是否与上面信息相关联&＃xff0c;如果关联&＃xff0c;关联多少条&＃xff0c;这里写的3&＃xff0c;代表3条。这个就搭建一个简单的了&＃xff0c;但是又有问题了&＃xff0c;比如&＃xff0c;我如果发个它一个英语&＃xff0c;但是它不会的&＃xff0c;这就造成无法对话了&＃xff0c;那怎么呢&＃xff1f;学习一下机器学习&＃xff0c;重新搞一下吗&＃xff0c;不可能的。时间周期太长&＃xff0c;还有就是时间不充裕&＃xff0c;所以我选择翻译&＃xff0c;这里我们用一下我们爬虫人的极速&＃xff0c;逆向一下某度&＃xff0c;某道的翻译&＃xff0c;等于说发一段英语时&＃xff0c;我们要先把它翻译成中文&＃xff0c;然后预测&＃xff0c;然后把预测的结果翻译成英文返回给用户&＃xff0c;这样就ok了&＃xff0c;这里就不细说它们的逆向了&＃xff0c;反正不难。这样这个就ok了。我们看一下效果。

通过上图可以看到&＃xff0c;我给它发的是Do you speak English?&＃xff0c;它回答我的是Sure, would you?&＃xff0c;还是非常不错的。但是接下来是我又想到一个问题&＃xff0c;我想知道知道某个地方的天气&＃xff0c;这个也想让机器人回答&＃xff0c;这个怎么做&＃xff0c;对于天气信息获取&＃xff0c;我采用的高德的&＃xff0c;但是怎么分析是否在获取天气呢&＃xff0c;这里我才用的是paddlepaddle的语句分析&＃xff0c;首先询问一个地方的天气肯定里面含有天气二字&＃xff0c;然后里面肯定会有地方&＃xff0c;对于时间这个不要求&＃xff0c;如果有时间要求&＃xff0c;就就返回对应时间的&＃xff0c;如果没有就返回全部的。

这里我们看一段简单的代码&＃xff0c;关于这个中文分析的。

import paddlehub as hublac &＃61; hub.Module(name&＃61;"lac")
test_text &＃61; ["宁波明天天气怎么样"]results &＃61; lac.cut(text&＃61;test_text, use_gpu&＃61;False, batch_size&＃61;1, return_tag&＃61;True)
print(results)
#[{&＃39;word&＃39;: [&＃39;宁波&＃39;, &＃39;明天&＃39;, &＃39;天气&＃39;, &＃39;怎么样&＃39;], &＃39;tag&＃39;: [&＃39;LOC&＃39;, &＃39;TIME&＃39;, &＃39;n&＃39;, &＃39;r&＃39;]}]

可以看到返回的信息&＃xff0c;word是已经分好的词&＃xff0c;而tag是其对应的词性。很明显&＃xff0c;宁波对应地方&＃xff0c;明天对应时间。我们完全可以通过这个实现。然后对接高德的查询天气接口就好了。

我们看一下效果。

因为我是把它应用于qq机器人的&＃xff0c;所以这里返回的信息做了专门的处理&＃xff0c;大致长下面这样。

好了&＃xff0c;这样就做好了一个对话机器人&＃xff0c;然后这仅仅是一部分&＃xff0c;后面会加入很多&＃xff0c;比如歌曲歌词的获取&＃xff0c;点歌&＃xff08;已经实现网易云的了&＃xff09;&＃xff0c;还有玩游戏什么的&＃xff0c;等等等。

END

其实这个过程还是有点小困难的&＃xff0c;这里我仅仅说一个思路&＃xff0c;有空我就代码上传github了&＃xff0c;里面我加入&＃xff0c;感兴趣的到时可以试试玩玩。好了&＃xff0c;这一期就这样结束了&＃xff0c;下期再见。

# paddlepaddle的github&＃xff0c;也有gitee
https://github.com/PaddlePaddle
# paddlepaddle官网
https://www.paddlepaddle.org.cn/


感兴趣去试试&＃xff0c;挺不错的。

欢迎关注俺的公众号