delbot
1.0.0
它可以理解您的語音命令，搜尋新聞和知識來源，並為您總結和朗讀內容。
查看示範影片。
《Chatbots Magazine》將我的 Delbot 文章列入《Chatbots Magazine》前 100 篇文章中。
python app.py以啟動 Web 服務。機器人仍然是一個熱門話題。每個人都在談論他們。
從頭開始建造一個怎麼樣？我們今天將建立的簡單模型將理解並回答以下問題：
我們的目標是從頭開始編寫機器人程式碼，並在過程中使用自然語言處理 (NLP)。
此外，如果您也完成網路應用程式部分，我們的機器人將支援語音且基於網路。最好的部分是我們不需要為語音識別和合成做任何花哨的事情：我們將使用現代網頁瀏覽器的內建功能。
在較高的層次上，我們希望能夠理解兩種廣泛類型的查詢。以下是流程圖。
我們可能會詢問訊息。例如：
《守護者》中《神奇動物在哪裡》的最新動態是什麼？
機器人會查詢所請求動態消息（如果未指定，則為《紐約時報》）的 API 並彙總結果：
[...] 將第一部《哈利波特》電影（2001 年的《哈利波特與魔法石》）與最後一部（2011 年的《哈利波特與死亡聖器第二部）進行比較，有點類似於將《小鹿斑比》與《落水狗》進行比較。我們第一次見到他是在 20 世紀 20 年代的紐約——這比哈利出生還要早 60 年——他在那裡 [...]
（資料來源：https://www.theguardian.com/books/2016/nov/25/jk-rowling-fantastic-beasts-screenplay）
我們可能會問一個知識問題。例如：
什麼是 RDF 三元組？
機器人會回答：
語意三元組（或簡稱三元組）是資源描述架構 中的原子資料實體。特別是，RDF 三元組的每個部分都可以透過唯一的URI 單獨尋址。 com/foaf/0.1/知道http://example.name#JohnDoe34。
（圖片來源：https://en.wikipedia.org/wiki/Semantic_triple）
我們定義一個簡單的規則來對輸入進行分類：如果查詢包含單字news或latest ，則它是新聞查詢。否則就是知識查詢。
QueryAnalyzer類別的predict函數是我們機器人的主要入口點。它執行上述分類。它調用其他函數
最後，它會傳回輸出和一個指示是否有錯誤的標誌。
我們假設輸入是以下形式之一。
《紐約時報》關於星際大戰的最新消息是什麼？
給我讀英國脫歐的最新消息。
請告訴我《衛報》關於2017 年漫威電影宇宙電影的新聞。
| 代幣 | 給 | 我 | 這 | 最新的 | 訊息 | 在 | 唐納 | 王牌 | 從 | 這 | 新的 | 約克 | 時代 | 。 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 銷售點 | 動詞 | 普羅恩 | 乙二胺四乙酸 | 調整 | 名詞 | 腺苷二磷酸 | 丙二醇 | 丙二醇 | 腺苷二磷酸 | 乙二胺四乙酸 | 丙二醇 | 丙二醇 | 丙二醇 | 旁路CT |
| 標籤 | VB | 富血小板血漿 | DT | 錦江山 | 神經網路 | 在 | 國家NP | 國家NP | 在 | DT | 國家NP | 國家NP | 國家NP | 。 |
如上結構的句子有一個模式。介詞是關鍵。
搜尋的主題位於第一個介詞和最後一個介詞之間。請求的來源位於最後一個介詞之後。最後一個名詞區塊是來源。
如果未指定來源，如第二個範例所示，則假定第一個介詞之後的所有內容都是搜尋主題。
介詞，簡單來說就是介詞和後置詞。
在像英語這樣的中心詞首語中，介詞通常位於名詞片語之前。例如來自漫威電影宇宙的角色。在像古吉拉特語這樣的中心詞語言中，介詞位於名詞短語之後。這些是後置詞。例如માર્વેલચલચિત્રજગત_ના_પાત્રો，逐字翻譯為：漫威電影人物。
我們從QueryExtractor類別呼叫get_news_tokens ，該類別從輸入中提取來源和查詢。在內部，它呼叫_split_text從輸入中提取名詞區塊、詞性和完全解析的文字。我們對查詢中的術語進行詞形還原。
接下來，我們根據source對 media_aggregator.py 中的Aggregator類別之一進行查詢來呼叫get_news函數。這將傳回新聞 API 作為回應發送的新聞文章清單。我們目前支援衛報 API 和紐約時報 API。
最後，我們從回應清單中選擇第一項（預設）並使用shorten_news函數對其進行總結。
我們假設輸入是以下形式之一。
約翰迪爾
聖女貞德
唐納德·特朗普是誰？
JRR托爾金是誰？
什麼是主詞謂語受詞？
告訴我有關粒子物理學的知識。
| 代幣 | 什麼 | 是 | 一個 | RDF | 三倍 | ？ |
|---|---|---|---|---|---|---|
| 銷售點 | 名詞 | 動詞 | 乙二胺四乙酸 | 丙二醇 | 名詞 | 旁路CT |
| 標籤 | 濕性粉劑 | VBZ | DT | 國家NP | 神經網路 | 。 |
| 代幣 | 告訴 | 我 | 關於 | 他 | - | 男人 | 和 | 這 | 大師 | 的 | 這 | 宇宙 | 。 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 銷售點 | 動詞 | 普羅恩 | 腺苷二磷酸 | 普羅恩 | 旁路CT | 名詞 | 康傑 | 乙二胺四乙酸 | 名詞 | 腺苷二磷酸 | 乙二胺四乙酸 | 名詞 | 旁路CT |
| 標籤 | VB | 富血小板血漿 | 在 | 富血小板血漿 | HYPH | 神經網路 | 副本 | DT | 神經網路系統 | 在 | DT | 神經網路 | 。 |
如果我們找到一個助動詞，我們會將其第一次出現後的所有內容視為查詢。因此，在範例 1中，查詢是RDF Triple 。
否則，我們將第一個之後的所有名詞區塊視為查詢。因此，在範例 2中，查詢是he-man the masters the Universe 。
我們從QueryExtractor類別呼叫get_knowledge_tokens來提取查詢。
我們將其傳遞給get_gkg函數，該函數透過維基百科Python 套件查詢維基百科 API，並傳回頂部結果的 5 句話摘要。
我使用 NLTK 文字摘要中的FrequencySummarizer類別。或者，您可以使用 sumy。
除了包re 、 bs4 、 requests 、 Operator 、 collections 、 heapq 、 string和nltk之外，我們還將使用以下套件。
spaCy ：請依照安裝 spaCy 文件中的規定進行設定。 spaCy 會幫我們做一些快速的 NLP。我們可以使用 NLTK，但 spaCy 會讓你走得更快。我們在這個專案中使用 spaCy。
維基百科：這有助於查詢維基百科 API。您可以在此處閱讀維基百科Python 套件的文檔。
Summarizer ：我用的這個是從 JustGlowing 寫的 The Glowing Python 部落格借來的。它總結了冗長的內容。或者，您可以使用 sumy。
Flask-RESTful、Flask（可選） ：這些用於建立 Web 應用程式並透過 RESTful Web 服務操作我們的機器人。
我們新增了一個很酷的網頁，您可以從中發出語音查詢並讓瀏覽器讀出回應內容。為此，我們使用 Web Speech API。
我們用不到 20 行程式碼就啟動並執行了基於 Flask 的 REST Web 服務。 QueryService類別處理請求。
截至目前，我們只需要一次服務呼叫即可將網路應用程式的輸入傳送到機器人。這是透過QueryService類別的post函數完成的。 post反過來呼叫predict函數，這是上面提到的主要入口點。
我建立了一個基本網頁來示範該機器人。它使用 Web Speech API 接收語音輸入並讀出內容。您可以在 templates 資料夾中找到 index.html 檔案。確保您已安裝所有必需的軟體包和庫，並且在打開網站之前 Web 服務已啟動並正在運行。
我們的簡單機器人可以理解有限範圍的請求。它無法理解如下其他類型的請求。
具有不同結構的知識請求
向我解釋一下什麼是引導聚合。
告訴我一些關於計算神經科學的事情。
具有不同結構的新聞請求
《紐約時報》對羅傑費德勒的最新比賽有何評價？
網球世界正在發生什麼事？
其他類型的知識請求
起司是如何製作的？
JK羅琳出生在哪裡？
我們能在金星上建造一座天空之城嗎？
法國大革命是什麼時候發生的？
木星為什麼有大紅斑？
後續問題和背景
向我解釋一下什麼是引導聚合。
然後：它與隨機森林有何關係？
理解它在後續問題中所指的內容屬於所謂的照應解析。這是理解上下文的一部分。不同的字在不同的上下文中意味著不同的東西。雖然人類對這些有細緻的理解，但向機器傳授同樣的知識卻困難得多。
我們實現了根據我們定義的一些規則來建立機器人的目標。我們也使用了一些 NLP 技術。最後，我們將機器人部署到 Web 應用程式上。然而，我們的機器人能夠理解和回答的查詢類型有限。為什麼它的理解範圍如此狹窄？
總的來說，讓電腦真正理解語言是一個人工智慧難題。 NLP 中有一個稱為 NLU（自然語言理解）的領域專門致力於此。
我們可以實施基於機器學習的解決方案，這樣我們的機器人就有可能理解更廣泛的請求。
請務必閱讀此處使用的 API 的使用條款。
