本文共 4350 字，大约阅读时间需要 14 分钟。

rule 规则

最基础版本的rule-base机器人

import random# 打招呼greetings = ['hola', 'hello', 'hi', 'Hi', 'hey!','hey']# 回复打招呼random_greeting = random.choice(greetings)# 对于“你怎么样？”这个问题的回复question = ['How are you?','How are you doing?']# “我很好”responses = ['Okay',"I'm fine"]# 随机选一个回random_response = random.choice(responses)# 机器人跑起来while True:    userInput = input(">>> ")    if userInput in greetings:        print(random_greeting)    elif userInput in question:        print(random_response)    # 除非你说“拜拜”    elif userInput == 'bye':        break    else:        print("I did not understand what you said")

显然 这样的rule太弱智了，我们需要更好一点的“精准对答”

比如

透过关键词来判断这句话的意图是什么（intents）

from nltk import word_tokenizeimport random# 打招呼greetings = ['hola', 'hello', 'hi', 'Hi', 'hey!','hey']# 回复打招呼random_greeting = random.choice(greetings)# 对于“假期”的话题关键词question = ['break','holiday','vacation','weekend']# 回复假期话题responses = ['It was nice! I went to Paris',"Sadly, I just stayed at home"]# 随机选一个回random_response = random.choice(responses)# 机器人跑起来while True:    userInput = input(">>> ")    # 清理一下输入，看看都有哪些词    cleaned_input = word_tokenize(userInput)    # 这里，我们比较一下关键词，确定他属于哪个问题    if  not set(cleaned_input).isdisjoint(greetings):        print(random_greeting)    elif not set(cleaned_input).isdisjoint(question):        print(random_response)    # 除非你说“拜拜”    elif userInput == 'bye':        break    else:        print("I did not understand what you said")

现在主流的研究方向，是做到语义层面的对应。

比如，“肚子好饿哦”， “饭点到了”

都应该表示的是要吃饭了的意思。

在这个层面，就需要用到word vector之类的embedding方法，

光是会BB还是不行，得有知识体系！才能解决用户的问题。

我们可以用各种数据库，建立起一套体系，然后通过搜索的方式，来查找答案。

比如，最简单的就是Python自己的graph数据结构来搭建一个“地图”。

依据这个地图，我们可以清楚的找寻从一个地方到另一个地方的路径，

然后作为回答，反馈给用户。

# 建立一个基于目标行业的database# 比如 这里我们用python自带的graphgraph = {'上海': ['苏州', '常州'],         '苏州': ['常州', '镇江'],         '常州': ['镇江'],         '镇江': ['常州'],         '盐城': ['南通'],         '南通': ['常州']}# 明确如何找到从A到B的路径def find_path(start, end, path=[]):    path = path + [start]    if start == end:        return path    if start not in graph:        return None    for node in graph[start]:        if node not in path:            newpath = find_path(node, end, path)            if newpath: return newpath    return None

print(find_path('上海', "镇江"))

[‘上海’, ‘苏州’, ‘常州’, ‘镇江’]

任何行业，都分个前端后端。

AI也不例外。

我们这里讲的算法，都是后端跑的。

那么， 为了做一个靠谱的前端，很多项目往往也需要一个简单易用，靠谱的前端。

比如，这里，利用Google的API，写一个类似钢铁侠Tony的语音小秘书Jarvis：

我们先来看一个最简单的说话版本。

利用gTTs(Google Text-to-Speech API), 把文本转化为音频。

使用gTTS，必须要科学上网（访问外网才行）

from gtts import gTTSimport ostts = gTTS(text='您好，我是您的私人助手，我叫小辣椒', lang='zh-tw')tts.save("hello.mp3")os.system("mpg321 hello.mp3")

有了文本到语音的功能，

我们还可以运用Google API读出Jarvis的回复：

（注意：这里需要你的机器安装几个库 SpeechRecognition, PyAudio 和 PySpeech）

import speech_recognition as srfrom time import ctimeimport timeimport osfrom gtts import gTTSimport sys # 讲出来AI的话def speak(audioString):    print(audioString)    tts = gTTS(text=audioString, lang='en')    tts.save("audio.mp3")    os.system("mpg321 audio.mp3")# 录下来你讲的话def recordAudio():    # 用麦克风记录下你的话    r = sr.Recognizer()    with sr.Microphone() as source:        audio = r.listen(source)     # 用Google API转化音频    data = ""    try:        data = r.recognize_google(audio)        print("You said: " + data)    except sr.UnknownValueError:        print("Google Speech Recognition could not understand audio")    except sr.RequestError as e:        print("Could not request results from Google Speech Recognition service; {0}".format(e))     return data# 自带的对话技能（rules）def jarvis():        while True:                data = recordAudio()        if "how are you" in data:            speak("I am fine")        if "what time is it" in data:            speak(ctime())        if "where is" in data:            data = data.split(" ")            location = data[2]            speak("Hold on Tony, I will show you where " + location + " is.")            os.system("open -a Safari https://www.google.com/maps/place/" + location + "/&")        if "bye" in data:            speak("bye bye")            break# 初始化time.sleep(2)speak("Hi Tony, what can I do for you?")# 跑起jarvis()

Hi Tony, what can I do for you?

包括应用场景：微信，slack，Facebook Messager，等等 都可以把我们的ChatBot给integrate进去。

转载地址：https://maoli.blog.csdn.net/article/details/91882618 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！