chatbot aiml webqa

Modelo de diálogo inteligente

Visão geral

1. Linguagem de marcação de inteligência artificial AIML
2. Pergunta e resposta de domínio aberto WebQA
3. Aprendizado profundo
4. Exibição de efeitos

Iniciar serviço

Declaração Ambiental

Linux/Python2.7/PyCharm

Instalar dependências

 $ pip2 install jieba
$ pip2 install aiml
$ pip2 install lxml
$ pip2 install beautifulsoup4
$ pip2 install flask

Executar processo

Diretório de trabalho: chatbot-aiml-webqa/core

 $ cd chatbot-aiml-webqa/core
$ python2 web/server.py (or $ nohub python2 web/server.py)

> ......
> * Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)

CURL:
$ curl "0.0.0.0:5000/chat" -d "message=新闻"
$ curl "0.0.0.0:5000/chat" -d "message=天气"
$ curl "0.0.0.0:5000/chat" -d "message=时间"

Fluxo de processamento

Etapa 1: pré-processamento

1. Limitar contagem de palavras
2. Filtre palavras sensíveis (nojentas, políticas, pornográficas, ilegais...)

Etapa 2: Correspondência da Base de Conhecimento (AIML)

1. Funções básicas: dizer olá, conversar...
2. Tratamento de exceções: pergunta muito longa, pergunta em branco, resposta não encontrada...
3. Respostas emocionais: expressões, elogios, ridicularização...

Se nenhuma resposta for encontrada, prossiga para a etapa três.

Etapa três: pesquisa na Internet (WebQA)

1. Notícias ---- Sina Notícias
2. Artigo ---- Um artigo por dia
3. Piadas ---- Enciclopédia de coisas embaraçosas
4. Hora ---- Hora Sogou
5. Tempo----Tempo Sogou
6. Ar----Sogou Ar
7. Outra pesquisa transversal do Baidu

• Baidu chinês
• Tradução do Baidu
• Mapa Baidu
• Taxa de câmbio Baidu
• Computação Baidu
• Estoque Baidu
• Letras de Baidu
• Baidu mais recente
• Enciclopédia Baidu
• Baidu sabe

Se nenhuma resposta for encontrada, prossiga para a etapa 4.

Etapa 4: Rede Neural

O mecanismo de diálogo de próxima geração baseado no modelo Seq2Seq não apenas treina a melhor resposta entre as respostas existentes, mas também pode criar uma resposta semelhante à humana.
Corpus: http://61.93.89.94/Noah_NRM_Data/
No momento não há tempo para implementar esta parte... Vamos usar a API Turing Robot por enquanto~~~

Função de aprendizagem

Usando modelo AIML + armazenamento em prateleira

1. *errado*
2. *resposta errada*
3. ...

 ME > 世界上最漂亮的人是谁
AI > 灰姑娘
ME > 你说错了
AI > 那你教我吧
ME > 白雪公主
AI > 我学会啦，下次你就可以问我"世界上最漂亮的人是谁"......
ME > 世界上最漂亮的人是谁
AI > 白雪公主

Link de referência

1. https://github.com/SnakeHacker/QA-Snake
2. https://github.com/ictar/XIXI
3. https://github.com/fwwdn/sensitive-stop-words