（一）图灵机器人API2.0接口构造聊天机器人

参考自：

（1）构造聊天机器人

https://www.jianshu.com/p/c3ebd99d6fc4

https://zhuanlan.zhihu.com/p/86681217

（2）Chatbot的前世今生

https://zhuanlan.zhihu.com/p/55201625

 

基于模板匹配模方法：

图灵机器人http://www.turingapi.com/

API接口教程https://www.kancloud.cn/turing/www-tuling123-com/718227

代码1：

from flask import Flask
import requests

app = Flask(__name__)


# 装饰器里面写的是访问路径
@app.route("/")
def hello_world():
    url = "http://openapi.tuling123.com/openapi/api/v2"
    data_param = {
        "reqType": 0,
        "perception": {
            "inputText": {
                "text": "附近的酒店"
            },
            "inputImage": {
                "url": "imageUrl"
            },
            "selfInfo": {
                "location": {
                    "city": "北京",
                    "province": "北京",
                    "street": "信息路"
                }
            }
        },
        "userInfo": {
#在上面提供的网址中注册登录获取你的机器人apikey,userId可以随便填写
            "apiKey": "xxxxxxxxxxxxxxxxxxxxxx",
            "userId": "xxxxxxxxxxxxxxxxxx"
        }
    }
    response = requests.post(url=url,json=data_param)
    print(response.text)
    return "贪心学院"


if __name__ == "__main__":
    app.run()

运行结果：

刷新 http://127.0.0.1:5000/

会得到返回的信息：

{"intent":{"code":4003},"results":[{"groupType":0,"resultType":"text","values":{"text":"在外住酒店，还是得小心点好哦~"}}]}

代码2：

from flask import Flask

app = Flask(__name__)

# 装饰器里面写的是访问路径
@app.route("/greedyai/<data>")
def hello_world(data):
    return data

if __name__ == "__main__":
    app.run()

运行结果：

代码3：

from flask import Flask
import requests

app = Flask(__name__)


# 装饰器里面写的是访问路径
@app.route("/greedyai/<data>")
def hello_world(data):
    if "帅" in data:
        return "大周老师"
    elif "线上" in data:
        return "线上课程为主"
    elif "助教" in data or "服务" in data:
        return "为提高服务质量，课程配有专业的助教老师"
    elif "基础" in data:
        return "http://aijiaoai.greedyai.com/home"
    elif "优势" in data:
        return "这你都问，大周老师就是优势"
    elif "有效期" in data:
        return "只要你想学，我一直在你身边"
    else:
        return "哎哟，小主，我不懂你的意思"

if __name__ == "__main__":
    app.run()

然后跟上面的示例一样，在路径之后输入一句话，如果这一句话里面包含了某个关键词，那么就会输出相应的回复
这是部分输入的回复：

实例代码4：

from flask import Flask
import requests

app = Flask(__name__)


# 装饰器里面写的是访问路径
@app.route("/chat/<data>")
def hello_world(data):
    url = "http://openapi.tuling123.com/openapi/api/v2"
    if "帅" in data:
        return "大周老师"
    elif "线上" in data:
        return "线上课程为主"
    elif "助教" in data or "服务" in data:
        return "为提高服务质量，课程配有专业的助教老师"
    elif "基础" in data:
        return "http://aijiaoai.greedyai.com/home"
    elif "优势" in data:
        return "这你都问，大周老师就是优势"
    elif "有效期" in data:
        return "只要你想学，我一直在你身边"
    else:
                data_param = {
                "reqType": 0,
                "perception": {
                    "inputText": {
                        "text": "data"
                    },
                    "inputImage": {
                        "url": "imageUrl"
                    },
                    "selfInfo": {
                        "location": {
                            "city": "北京",
                            "province": "北京",
                            "street": "信息路"
                        }
                    }
                },
        "userInfo": {
            "apiKey": "6cdbed64eeb14e6ea453538622bc1d74",
            "userId": "582149"
        }
    }
    response = requests.post(url=url,json=data_param)
    print(response.text)



if __name__ == "__main__":
    app.run()

运行结果：

基于搜索的方法

用户输入 -> 检索模型 -> 输入

如何计算相似度（文本的向量表示）

余弦相似度

课程demo

import jieba
word_vector_list = ["我们", "来", "贪心", "学院", "学习", "人工智能", "和", "python"]# 词典
s1 = "我来贪心学院学习python"
s2 = "我学习人工智能"
s3 = "Python课程的学习周期是多久"
question = "Python学习多久"
# 第一种切分模式：精确模式，比较适合做文本分析,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut(s1))
print(s1_result_list)
# 全模式,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut(s1, cut_all=True))
print(s1_result_list)
# 搜索引擎模式,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut_for_search(s1))
print(s1_result_list)
# 向量转换
import numpy as np
def get_vector(data):
    vector_list = []
    for i in word_vector_list:
        if i in list(jieba.cut(data)):
            vector_list.append(1)
        else:
            vector_list.append(0)
    print(data)
    print(vector_list)
    return np.array(vector_list).reshape(1, -1)
question_vector_list = get_vector(question)#输出：Python学习多久[0, 0, 0, 0, 1, 0, 0, 0]
s1_vector_list = get_vector(s1)            #输出：我来贪心学院学习python[0, 0, 1, 1, 1, 0, 0, 1]
s2_vector_list = get_vector(s2)            #输出：我学习人工智能[0, 0, 0, 0, 1, 1, 0, 0]
s3_vector_list = get_vector(s3)            #输出：Python课程的学习周期是多久[0, 0, 0, 0, 1, 0, 0, 0]
# 相似度计算
from sklearn.metrics.pairwise import cosine_similarity
# print(cosine_similarity([[1, 0, 1]], [[0, 0, 1]]))
print(cosine_similarity(question_vector_list, s1_vector_list))
print(cosine_similarity(question_vector_list, s2_vector_list))
print(cosine_similarity(question_vector_list, s3_vector_list))
#输出[[0.5]]，[[0.70710678]]，[[1.]]

作业

完成一个完整的项目，能够根据已有的语料库，自动根据输入去计算哪个答案最符合

import jieba
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
from flask import Flask

# 建立语料库
corpus = {
    "Python课程是线上课程还是线下课程？": "线上课程为主",
    "Python课程有助教吗？": "为提高服务效率和质量，课程都配备专业的全职助教。",
    "我没有基础应该从哪个课开始学？": "大周老师的Python基础集训营非常适合你哦，"
                       "可以在这里学习：http://aijiaoai.greedyai.com/info/5",
    "Python的学习周期是多久？": "如果你没有基础的话两个月可以搞定",
    "Python课程的学习方式是什么呢？": "无需安装环境，在线直接写代码、看视频、看漫画，趣味性学习",
    "Python课程的优势是什么呢？": "全网覆盖最全的Python基础知识体系练与学的深度结合，"
                        "每一个知识点都配有练习项目,生动有趣、授课方式多样，视频、文字、图片、在线代码编辑，"
                        "在聊天与娱乐中学习",
    "Python课程的有效期是多久呢？": "我们把有效期确定为1年，1年内可无限次学习",
    "Python课程有优惠吗？": "我们定价为开课后是599，现在是针对老学员预售199，开课后恢复原价"
}
# 建立词典，对于所有语料库中的问题进行jieba分词
all_question = ""
for question in corpus:
    all_question += question
dictionaries = list(set(jieba.cut(all_question)))  # 加上set是为了方便去重


# 单个词典转换为向量
def transform_vector(date):
    vector_list = []
    for wd in dictionaries:
        if wd in list(jieba.cut(date)):
            vector_list.append(1)
        else:
            vector_list.append(0)
    return np.array(vector_list).reshape(1, -1)  # .reshape(1,-1)是为了后期余弦计算


# 单个余弦相似度计算
def get_cosine(user_question, corpus_question):
    similar_list = cosine_similarity(transform_vector(user_question), transform_vector(corpus_question))
    similar_num = similar_list[0][0]  # 相似度
    return similar_num


# 计算语料库中的所有相似度
def get_corpus_consine(user_question):
    ori_question_dict = {}
    ori_answer_dict = {}
    similar_list = []  # 保存所有余弦值
    for key in corpus:
        similar_num = get_cosine(user_question, key)  # 获得余弦值
        similar_list.append(similar_num)  # 保存所有余弦值
        ori_question_dict[similar_num] = key  # 获取原问题并储存
        ori_answer_dict[similar_num] = corpus[key]  # 获取原答案并储存
    return similar_list, ori_question_dict, ori_answer_dict


# 得到最佳回答
def get_best_answer(similar_list, ori_question_dict, ori_answer_dict):
    max_similar = max(similar_list)
    if max_similar == 0: # 没有匹配项
        best_similar = 0
        best_question = "未检索到相似的问题"
        best_answer = "对不起，我听不懂你在说什么"
    else: # 返回值
        best_similar = max_similar
        best_question = ori_question_dict[max_similar]
        best_answer = ori_answer_dict[max_similar]
    return [best_similar, best_question, best_answer]


# 使用faslk,以接口的形式完成问答
app = Flask(__name__)


@app.route("/<user_question>")
def question_for_web(user_question):
    similar_list, ori_question_dict, ori_answer_dict = get_corpus_consine(user_question)  # 计算所有相似度
    res = get_best_answer(similar_list, ori_question_dict, ori_answer_dict)  # 得到最佳答案

    html_ = '<html><body>' \
            '<p>' \
            '<h2>问题：{}</h2>' \
            '</p>' \
            '<p>' \
            '<li>最高相似度：{}</li>' \
            '<li>最高相似度的问题：{}</li>' \
            '<h2>最佳回答为：{}</h2>' \
            '</p>' \
            '</body></html>'.format(user_question, res[0], res[1], res[2])
    return html_  # 返回html并写入网页


if __name__ == "__main__":
    app.run()

运行结果：