作者 |?Louis Teo?

編譯 |?VK?

來源?| Towards Data Science

你是否面臨著太多來自客戶的標(biāo)準(zhǔn)要求和問題，并且難以應(yīng)對？你是否在尋找一種既不增加成本又?jǐn)U大客戶服務(wù)的方法？

在這篇文章中，我將向你展示如何輕松創(chuàng)建一個強(qiáng)大的聊天機(jī)器人來處理1)你不斷增長的客戶請求和查詢，2)使用不同語言進(jìn)行交流。

我還將向你展示如何使用Flask將聊天機(jī)器人部署到web應(yīng)用程序中。

動機(jī)

Covid-19大流行給世界帶來了沉重打擊。由于許多業(yè)務(wù)受到了重大控制而遭受了鎖定/損失。為了度過這段艱難時期，許多公司被迫將業(yè)務(wù)轉(zhuǎn)移到網(wǎng)上。

在線企業(yè)主面臨的一個主要的、常見的問題是必須對客戶提出的大量問題和要求作出回應(yīng)。對于那些人力資源有限的人來說，不可能及時處理所有的請求。

為了解決這個問題，許多企業(yè)主開始使用聊天機(jī)器人來為他們的客戶服務(wù)。

什么是聊天機(jī)器人

聊天機(jī)器人是一種人工智能驅(qū)動的智能軟件，它能夠與人類對話并執(zhí)行類似人類的任務(wù)。聊天機(jī)器人存在于許多智能設(shè)備(如Siri(iOS)、Google Assistant(Android)、Cortana(微軟)、Alexa(亞馬遜))、網(wǎng)站和應(yīng)用程序中。

為什么要用聊天機(jī)器人

根據(jù)HubSpot進(jìn)行的一項研究，71%的用戶愿意使用快速響應(yīng)的聊天應(yīng)用程序來獲得客戶幫助，許多人這樣做是因為他們希望自己的問題能夠得到快速解決(當(dāng)然，也是高效的)。

一個聊天機(jī)器人，如果配置智能化，確實可以通過保持相同水平的客戶滿意度，同時允許人力資源集中在關(guān)鍵操作上，為企業(yè)釋放巨大的價值。

如何創(chuàng)建聊天機(jī)器人

多虧了Python中的ChatterBot庫，創(chuàng)建chatbot不再像以前那樣是一項艱巨的機(jī)器學(xué)習(xí)任務(wù)。

現(xiàn)在，讓我們開始創(chuàng)建

(1) 安裝ChatterBot庫

我們將從安裝ChatterBot庫開始。安裝命令如下：

pip?install?chatterbot

ChatterBot文本語料庫(由大量結(jié)構(gòu)化文本組成的語言資源)分布在Python包中，因此需要單獨安裝：

pip?install?chatterbot_corpus

如果你以前沒有安裝spaCy(一個用于高級自然語言處理的開源庫)，請現(xiàn)在安裝，因為ChatterBot庫需要spaCy庫來工作：

pip?install?spacy

安裝spaCy庫后安裝spaCy English(“en”)模型：

python?-m?spacy?download?en

(2) 創(chuàng)建聊天機(jī)器人實例

在將整個聊天機(jī)器人打包成可執(zhí)行的Python腳本之前，我們將使用Jupyter Notebook開發(fā)聊天機(jī)器人。讓我們從導(dǎo)入需要的模塊開始：

from?chatterbot?import?ChatBot

我們將創(chuàng)建一個chatbot實例，將bot命名為Buddy，然后指定幾個參數(shù)。我們需要指定的參數(shù)是：

• 「storage_adapter」：數(shù)據(jù)庫的“connector”類型(如果使用SQL數(shù)據(jù)庫，則使用'chatterbot.storage.SQLStorageAdapter'；對于MongoDB，使用'chatterbot.storage.MongoDatabaseAdapter’). 在這種情況下，我們將使用SQL數(shù)據(jù)庫。

• 「database_uri」:數(shù)據(jù)庫名稱

• 「logic_adapters」：ChatterBot如何選擇對給定輸入語句的響應(yīng)的邏輯。我們將使用BestMatch—一個邏輯適配器，它根據(jù)與輸入語句最接近的匹配項的已知響應(yīng)返回響應(yīng)。

• 「read_only」：我們將設(shè)置為真，因為我們只想讓聊天機(jī)器人從我們的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)。

如果不指定任何參數(shù)，則名為「db.sqlite3」的數(shù)據(jù)庫將被創(chuàng)建，并且默認(rèn)為你選擇最佳匹配邏輯。

bot?=?ChatBot('Buddy',storage_adapter='chatterbot.storage.SQLStorageAdapter',database_uri='sqlite:///database.sqlite3_eng',logic_adapters?=?['chatterbot.logic.BestMatch'],read_only?=?True)

(3) 訓(xùn)練聊天機(jī)器人

是時候訓(xùn)練我們的聊天機(jī)器人了……(什么，就這樣？是的，這不是開玩笑！)

我們將使用ChatterBot中可用的模塊來訓(xùn)練聊天機(jī)器人。訓(xùn)練只是將對話輸入到聊天機(jī)器人的數(shù)據(jù)庫中。

一旦給聊天機(jī)器人一個數(shù)據(jù)集，它就會在聊天機(jī)器人“知識圖”中生成必要的條目，以正確的順序表示輸入和輸出。

讓我們訓(xùn)練我們的聊天機(jī)器人能夠與我們進(jìn)行基本的對話。

我們導(dǎo)入ListTrainer模塊，通過傳遞chatbot對象(Buddy)并調(diào)用train()方法傳遞句子列表來實例化它。

from?chatterbot.trainers?import?ListTrainer trainer?=?ListTrainer(bot)trainer.train(["Hi,?can?I?help?you","Who?are?you?","I?am?your?virtual?assistant.?Ask?me?any?questions...","Where?do?you?operate?","We?operate?from?Singapore","What?payment?methods?do?you?accept?","We?accept?debit?cards?and?major?credit?cards","I?would?like?to?speak?to?your?customer?service?agent","please?call?+65?3333?3333.?Our?operating?hours?are?from?9am?to?5pm,?Monday?to?Friday"])

聊天機(jī)器人測試

讓我們用一個input語句給機(jī)器人測試一下。

response?=?bot.get_response?('payment?method') print(response)

我們還可以使用while循環(huán)和get_response()方法讓聊天機(jī)器人連續(xù)響應(yīng)我們的每個查詢。當(dāng)我們收到用戶的“Bye”語句時，我們結(jié)束循環(huán)并停止程序。

name?=?input('Enter?Your?Name:?') print?('Welcome?to?Chatbot?Service!?Let?me?know?how?can?I?help?you') while?True:request?=?input(name+':')if?request=="Bye"?or?request=='bye':print('Bot:?Bye')breakelse:response=bot.get_response(request)print('Bot:?',?response)

你剛剛創(chuàng)建了你的第一個聊天機(jī)器人！

語料庫數(shù)據(jù)訓(xùn)練

當(dāng)然，你會希望你的聊天機(jī)器人能夠在我們剛剛輸入的內(nèi)容的基礎(chǔ)上進(jìn)行更多的對話(！)-在這種情況下，我們需要進(jìn)一步訓(xùn)練我們的聊天機(jī)器人。

幸運的是，我們簡化了這項任務(wù)。我們可以使用語料庫數(shù)據(jù)和實用程序模塊快速訓(xùn)練聊天機(jī)器人進(jìn)行通信。在撰寫本文時，ChatterBot獨立支持世界上22種主要語言——英語、漢語、西班牙語、印地語、法語等。

這里我們將使用英語語料庫數(shù)據(jù)來訓(xùn)練聊天機(jī)器人用英語進(jìn)行交流。

注意：如果你在運行語料庫訓(xùn)練時遇到問題，請將此chatterbot_corpus文件夾（https://github.com/gunthercox/chatterbot-corpus/tree/master/chatterbot_corpus）復(fù)制到錯誤消息中指定的文件目錄中

from?chatterbot.trainers?import?ChatterBotCorpusTrainertrainer?=?ChatterBotCorpusTrainer(bot)trainer.train('chatterbot.corpus.english')

讓我們測試一下我們的聊天機(jī)器人是否變得更聰明了…。

對！它變得更聰明了-它現(xiàn)在可以告訴你一個笑話…

關(guān)于訓(xùn)練聊天機(jī)器人使用不同語言的重要說明

要訓(xùn)練聊天機(jī)器人使用另一種語言，你需要用新名稱創(chuàng)建一個新的聊天機(jī)器人實例，打開一個新的SQL數(shù)據(jù)庫，并進(jìn)行新的訓(xùn)練

你不能訓(xùn)練同一個聊天機(jī)器人說多種語言-這會混淆聊天機(jī)器人。聊天機(jī)器人只能用一種語言交流。

預(yù)處理輸入

ChatterBot提供了幾個內(nèi)置的預(yù)處理器，允許我們在bot的邏輯適配器處理語句之前清理輸入語句。

清理使我們的輸入語句更易讀，更容易被聊天機(jī)器人分析。它從輸入語句中刪除可能干擾文本分析的“噪音”，例如額外的空格、Unicode字符和轉(zhuǎn)義的html字符。

bot?=?ChatBot('Buddy',storage_adapter='chatterbot.storage.SQLStorageAdapter',database_uri='sqlite:///database.sqlite3_eng',logic_adapters?=?['chatterbot.logic.BestMatch'],read_only?=?True,preprocessors=['chatterbot.preprocessors.clean_whitespace',????????????????????????????'chatterbot.preprocessors.unescape_html',??????????????????????????'chatterbot.preprocessors.convert_to_ascii'])

在包含了預(yù)處理器函數(shù)之后，重新運行chatbot，你可以看到對于「who are you」和「whó are yóu」.，我們得到了相同的響應(yīng)。

低置信度的情況

除此之外，我們還可以通過將logic adapter的屬性設(shè)置為：

• 默認(rèn)回答：“對不起，我不明白。我還在學(xué)習(xí)。請聯(lián)系abc@xxx.com尋求進(jìn)一步的幫助

• 最大相似度閾值：0.9

maximum_similarity_threshold：停止搜索過程之前，兩個語句之間所需的最大相似度。匹配語句的搜索將繼續(xù)，直到找到相似度大于或等于的語句或搜索集用盡為止。默認(rèn)為0.95。

bot?=?ChatBot('Buddy',storage_adapter='chatterbot.storage.SQLStorageAdapter',database_uri='sqlite:///database.sqlite3_eng',logic_adapters?=?[{'import_path':?'chatterbot.logic.BestMatch','default_response':?'I?am?sorry,?I?do?not?understand.?I?am?still?learning.?Please?contact?abc@xxx.com?for?further?assistance.','maximum_similarity_threshold':?0.90}],read_only?=?True,preprocessors=['chatterbot.preprocessors.clean_whitespace', 'chatterbot.preprocessors.unescape_html', 'chatterbot.preprocessors.convert_to_ascii'])

讓我們嘗試從一個意外的輸入中獲取響應(yīng)-我們的聊天機(jī)器人將在不理解語句時使用「default_response」進(jìn)行響應(yīng)。

這是這個項目的Github鏈接。你可以下載可執(zhí)行的Python腳本，你可以馬上用它來訓(xùn)練你的聊天機(jī)器人！請下載訓(xùn)練數(shù)據(jù)文件夾并編輯對話文件以滿足你的需要：https://github.com/louisteo9/Chatbot

完整的代碼和運行說明

在把所有代碼放在一起之后，讓我們使用可執(zhí)行腳本來訓(xùn)練我們的聊天機(jī)器人，看看我們的聊天機(jī)器人在行動中…！

創(chuàng)建一個「training_data」文件夾，并將要訓(xùn)練的所有對話存儲在文本文件中。訓(xùn)練腳本將讀取文件夾中的所有文本文件。

運行「chatbot_training.py」. 如果你想用英語語料庫來訓(xùn)練聊天機(jī)器人，你會被要求選擇Y或N。

from?chatterbot?import?ChatBot from?chatterbot.trainers?import?ListTrainer from?chatterbot.trainers?import?ChatterBotCorpusTrainerimport?os#?創(chuàng)建聊天機(jī)器人實例 bot?=?ChatBot('Buddy',storage_adapter='chatterbot.storage.SQLStorageAdapter',database_uri='sqlite:///database.sqlite3_eng',logic_adapters=['chatterbot.logic.MathematicalEvaluation','chatterbot.logic.BestMatch',{'import_path':?'chatterbot.logic.BestMatch','default_response':?'I?am?sorry,?but?I?do?not?understand.','maximum_similarity_threshold':?0.90}],read_only?=?True,preprocessors=['chatterbot.preprocessors.clean_whitespace','chatterbot.preprocessors.unescape_html','chatterbot.preprocessors.convert_to_ascii'])#?定位訓(xùn)練文件夾 directory?=?'training_data'for?filename?in?os.listdir(directory):if?filename.endswith(".txt"):?#?only?pick?txt?file?for?trainingprint('\n?Chatbot?training?with?'+os.path.join(directory,?filename)+'?file')training_data?=?open(os.path.join(directory,?filename)).read().splitlines()trainer?=?ListTrainer(bot)?#?bot?trainingtrainer.train(training_data)else:continue#?用戶選擇是否使用英語語料庫數(shù)據(jù)進(jìn)行訓(xùn)練 decision?=?input('Train?chatbot?with?English?corpus?data??(Y/N):?')if?decision?==?'Y':print('\n?Chatbot?training?with?English?corpus?data')trainer_corpus?=?ChatterBotCorpusTrainer(bot)trainer_corpus.train('chatterbot.corpus.english')

然后，運行「chatbot.py」啟動聊天機(jī)器人。

from?chatterbot?import?ChatBotbot?=?ChatBot('Buddy',storage_adapter='chatterbot.storage.SQLStorageAdapter',database_uri='sqlite:///database.sqlite3_eng',logic_adapters=['chatterbot.logic.MathematicalEvaluation','chatterbot.logic.BestMatch',{'import_path':?'chatterbot.logic.BestMatch','default_response':?'I?am?sorry,?but?I?do?not?understand.','maximum_similarity_threshold':?0.90}],read_only?=?True,preprocessors=['chatterbot.preprocessors.clean_whitespace','chatterbot.preprocessors.unescape_html','chatterbot.preprocessors.convert_to_ascii'])#?運行并獲得用戶的響應(yīng)。 name?=?input('Enter?Your?Name:?')print?('Welcome?to?Chatbot?Service!?Let?me?know?how?can?I?help?you')while?True:request?=?input(name+':?')if?request=="Bye"?or?request=='bye':print('Bot:?Bye')breakelse:response=bot.get_response(request)print('Bot:?',?response)

你已經(jīng)完成了聊天機(jī)器人訓(xùn)練并在終端上運行。

使用Flask將聊天機(jī)器人部署為web應(yīng)用程序

下一步是什么？我們將把我們的聊天機(jī)器人部署到一個web應(yīng)用程序中，這樣客戶就可以使用它了。

要在web應(yīng)用程序上運行chatbot，我們需要找到一種方法讓應(yīng)用程序接收傳入的數(shù)據(jù)并返回數(shù)據(jù)。我們可以用我們想要的任何方式來實現(xiàn)這一點—HTTP請求、web套接字等

在ChatterBot FAQ(https://chatterbot.readthedocs.io/en/stable/faq.html)頁面上有一些現(xiàn)有的例子向我們展示了如何做到這一點。我將向你展示如何使用Flask部署web應(yīng)用程序。

從我的github下載示例代碼，然后根據(jù)需要編輯static和template文件夾中的文件：https://github.com/louisteo9/chatbot

之后，讓我們運行「web_app.py」.

這將把我們的聊天機(jī)器人部署到http://127.0.0.1:5000/

啟動你的web瀏覽器，然后轉(zhuǎn)到上面的URL啟動我們的聊天機(jī)器人。

下一步

再次祝賀你！你已經(jīng)成功地構(gòu)建了第一個聊天機(jī)器人，并使用Flask將其部署到一個web應(yīng)用程序中。我希望聊天機(jī)器人在回答一些你訓(xùn)練過的標(biāo)準(zhǔn)商務(wù)問題方面做得很好。

為了進(jìn)一步提高聊天機(jī)器人的性能，你可以做的一件事是編制一份迄今為止由客戶發(fā)布的常見問題解答列表，提供常見問題解答，然后在聊天機(jī)器人上對他們進(jìn)行訓(xùn)練。

為什么有些聊天機(jī)器人沒有達(dá)到預(yù)期？有些聊天機(jī)器人之所以失敗，僅僅是因為對企業(yè)提出的標(biāo)準(zhǔn)問題和要求沒有得到充分的分析，結(jié)果聊天機(jī)器人沒有得到所需的訓(xùn)練。

訓(xùn)練和改進(jìn)你的聊天機(jī)器人在一開始是一個持續(xù)的過程，類似于人類學(xué)習(xí)新技能和知識的方式。一旦學(xué)習(xí)到這些技能，它們就被構(gòu)建在聊天機(jī)器人中，聊天機(jī)器人不需要再接受訓(xùn)練，除非你的業(yè)務(wù)發(fā)展壯大。

接下來，你可以考慮將你的聊天機(jī)器人部署到PaaS，它可以完全從云端托管和運行web應(yīng)用程序。你可以考慮的一個流行的免費PaaS是Heroku。

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯 獲取本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開： https://t.zsxq.com/qFiUFMV 本站qq群704220115。加入微信群請掃碼：

總結(jié)

以上是生活随笔為你收集整理的【NLP】创建强大聊天机器人的初学者指南的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。