创建一个基本的 ChatBot

在本教程中，我们将使用 Python NLTK 创建一个基本的硬编码聊天机器人。这个聊天机器人将能够回答有关自己的问题，以及与它交谈的人的问题。我们将使用 NLTK 中的正则表达式和分类器来实现我们的聊天机器人。

步骤

以下是实现 ChatBot 的步骤：

1. 导入必要的库和数据集
2. 定义用于聊天的函数
3. 构建分类器
4. 构建聊天方法
5. 测试 ChatBot

让我们逐一了解这些步骤。

导入必要的库和数据集

首先，我们需要导入 python 的一些库，包括 NLTK，以及一些数据集，如语料库、停用词列表等，我们可以通过以下代码来导入这些库和数据集：

import nltk
nltk.download('punkt')
nltk.download('wordnet')
nltk.download('stopwords')
from nltk.stem import WordNetLemmatizer
from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize, sent_tokenize
import string
import random

#我们还需要一些硬编码的回答，如下所示：
GREETING_INPUTS = ("hello", "hi", "greetings", "sup", "what's up", "hey",)
GREETING_RESPONSES = ["hi", "hey", "hi there", "hello", "I am glad! You are talking to me"]

定义用于聊天的函数

接下来，我们定义一个聊天机器人函数，该函数将在后面的步骤中使用。该函数使用 NLTK 中的 tokenizer 包将对话分成单独的句子和单词，然后使用词性还原器将每个单词转换为其基本形式。通过比较输入文本与预定义列表中的词汇，该函数可以回答一些简单的问题。以下是我们的聊天机器人代码：

def chatbot_response(user_response):
  # 定义 ChatBot 的回应
  bot_response = ''
  # 添加输入文本的拷贝，将其添加到 sent_tokens 列表中:
  sent_tokens.append(user_response)
  # 创建基于 TfidfVectorizer 的 tf-idf 特征矩阵:
  TfidfVec = TfidfVectorizer(tokenizer=LemNormalize, stop_words='english')
  tfidf = TfidfVec.fit_transform(sent_tokens)
  # 计算给定文本的相似度分数
  vals = cosine_similarity(tfidf[-1], tfidf)
  # 获取最相关的向量的索引
  idx = vals.argsort()[0][-2]
  # 计算 cosine 相似度
  flat = vals.flatten()
  flat.sort()
  score = flat[-2]
  # 如果没有找到相似的文本，则 bot 以没有理解的方式回复：
  if score == 0:
    bot_response = bot_response + "I apologize, I don't understand."
    return bot_response
  else:
    bot_response = bot_response + sent_tokens[idx]
    return bot_response

构建分类器

下一步是构建分类器。我们将使用 NLTK 中的 NaiveBayesClassifier，它将训练和分类文本。在此之前，我们将需要准备一些数据。以下代码片段显示了一些硬编码的对话，我们将使用这些数据来训练我们的分类器。

# 训练数据集
training_data = []
training_data.append({"class":"greeting", "sentence":"Hello, how are you?"})
training_data.append({"class":"greeting", "sentence":"What's up?"})
training_data.append({"class":"greeting", "sentence":"Hey there!"})
training_data.append({"class":"greeting", "sentence":"Hi, can I help you?"})
training_data.append({"class":"goodbye", "sentence":"Bye, take care"})
training_data.append({"class":"goodbye", "sentence":"Goodbye and have a nice day"})
training_data.append({"class":"goodbye", "sentence":"See you soon!"})
training_data.append({"class":"goodbye", "sentence":"See you later"})

接下来，我们将进行一些预处理，将这些数据转换为可以使用的格式。这涉及将每个句子拆分为单词，并将每个单词标记为与分类相关的单词。以下代码片段显示了该转换的代码：

#为分类器做准备: 首先，我们将准备分类器需要的数据集。对话数据集必须是一个字典列表，其中每个字典都包含一个“sentence”键和一个“class”键。
#“sentence”键存储对话句子，而“class”键存储与对话句子相关的类别，例如“greeting”或“goodbye”。
words = []
classes = []
documents = []
for pattern in training_data:
  # 将单词小写，并将它们添加到 words 列表中
  w = nltk.word_tokenize(pattern['sentence'].lower())
  words.extend(w)
  # 在 documents 列表中为每个模式添加船票
  documents.append((w, pattern['class']))
  # 添加到 classes 列表中
  if pattern['class'] not in classes:
    classes.append(pattern['class'])
# 将列表中的单词标准化和去重
words = [WordNetLemmatizer().lemmatize(word) for word in words if word not in stopwords.words('english')]
words = sorted(list(set(words)))
# 将类列表排序
classes = sorted(list(set(classes)))

现在，我们可以构建分类器了。我们将初始化一个空字典来存储每个单词在每个分类中出现的次数。我们将使用这些计数来训练我们的分类器。以下是分类器构建的代码：

#构建分类器: 现在，我们可以开始训练我们的分类器了。我们将使用NLTK的NaiveBayes分类器，它是一种简单而强大的分类器，可以训练和分类文本。
#首先，我们将初始化一个空字典，用于存储每个单词在每个类别中出现的次数。在此之后，我们将使用这些数字来训练我们的分类器。
training = []
output_empty = [0] * len(classes)
for doc in documents:
  # 初始化一个空的单词用于此文档
  bag = []
  # 获取单词列表并使用词性还原器将单词还原到它的基本形式。
  pattern_words = doc[0]
  pattern_words = [WordNetLemmatizer().lemmatize(word.lower()) for word in pattern_words]
  # 如果单词在当前的文档中出现，则将其添加到 bag 中
  for w in words:
    bag.append(1) if w in pattern_words else bag.append(0)
  # 输出是一个“0”或“1”列表，其中“0”表示目前所讨论的句子不属于该类，而“1”表示它属于该类
  output_row = list(output_empty)
  output_row[classes.index(doc[1])] = 1
  training.append([bag, output_row])
# 基于上面的训练数据，训练一个 nltk 的 classifier
random.shuffle(training)
training = np.array(training)
# train_X 是输入的词袋（bags）向量，train_y 是输出的向量（我们使用0或1表明训练数据中的类别）
train_x = list(training[:,0])
train_y = list(training[:,1])
classifier = nltk.NaiveBayesClassifier.train(train)

构建聊天方法

现在，我们已经准备好使用我们的分类器来构建一个聊天机器人了。我们将使用 input() 函数来接收用户输入，然后将其作为参数传递给我们的 chatbot_response() 函数。我们将不断调用此函数，直到用户输入“exit”为止。以下是我们的聊天方法：

def chat():
  # 打印机器人的欢迎消息
  print("Hello! I'm your personal ChatBot. How may I assist you today?")
  while True:
    # 获取输入文本
    user_response = input()
    # 如果用户输入“exit”，则跳出循环
    if user_response.lower() == 'exit':
      break
    # 如果用户输入无法理解的话，则 bot 将回复“我不理解”
    if chatbot_response(user_response) == None:
      print("I don't understand...")
    else:
      # 否则，机器人将返回其响应
      print(chatbot_response(user_response))

测试 ChatBot

好了，现在我们已经完成了所有的 coding 工作，现在是时候测试我们的 ChatBot 了。启动 ChatBot（运行聊天机器人函数），这个 chatbot 可以回答我们输入的任何问题。

chat()

结论

在本教程中，我们了解了如何使用 Python NLTK 构建一个聊天机器人。我们使用了正则表达式、分类器和 NLTK 中的一些数据集来完成这个任务。现在，你也可以基于本文尝试构建自己的 ChatBot。