Chatbot

Chatbot 透過將語句向量化來計算主題相似度，再依結果提供迎合使用者需求的答覆。

匹配示例

更多的樣例可以參照 example/output.txt

輸入：明天早上叫我起床。

相似度	概念	匹配元
0.4521	鬧鐘	起床
0.3904	天氣	早上
0.3067	住宿	起床
0.1747	病症	起床
0.1580	購買	早上
0.1270	股票	早上
0.1096	觀光	早上

輸入：明天上海會不會下雨？

相似度	概念	匹配元
0.5665	天氣	下雨
0.3918	鬧鐘	下雨
0.1807	病症	下雨
0.1362	住宿	下雨
0.0000	股票
0.0000	觀光
0.0000	購買

環境需求

• 安裝 python3 開發環境
• 安裝 gensim – Topic Modelling in Python
• 安裝 jieba 结巴中文分词
• 安裝 Taiba 中文分詞 : QA 使用，可以更換為 jieba 模組
• 有已訓練好的中文詞向量，並根據檔案位置調整 Console class 的初始化參數。

import Chatbot.console as console
c = console.Console(model_path='your_model')

• 目前問答系統的資料集尚未上傳至 Github，預設關閉問答模組 self.github_qa_unupdated=True

使用方式

聊天機器人

import Chatbot.chatbot as chatbot

chatter = chatbot.Chatbot()
chatter.waiting_loop()

計算匹配度

import Chatbot.console as console

c = console.Console(model_path='your_model')
speech = input('Input a sentence:')
res,path = c.rule_match(speech)
c.write_output(speech,res,path)

規則格式

規則採用 json 格式，樣板規則放置於\RuleMatcher\rule中，

    {
        "domain": "代表這個規則的抽象概念",
        "response": [
		"對應到該規則後",
        	"機器人所會給予的回覆",
        	"機器人會隨機抽取一條 response"
        ],
        "concepts": [
            "該規則的可能表示方式"
        ],
        "children": ["該規則的子規則","如購買 -> 購買飲料,購買衣服......"]
    }

Example

    {
        "domain": "購買",
        "response": [
        	"正在將您導向購物模組"
        ],
        "concepts": [
            "購買","購物","訂購"
        ],
        "children": [
            "購買生活用品",
            "購買家電",
            "購買食物",
            "購買飲料",
            "購買鞋子",
            "購買衣服",
            "購買電腦產品"
        ]
    },

開發日誌

• 以 gensim 訓練中文詞向量
• 基於詞向量的主題匹配
• 聊天機器人的開發思路

TODO

• 追加規則案例
• 實作平台 adapter