前段时间夸夸群火热，试着用几种不同方式写一个夸夸机器人。
项目地址https://github.com/xiaopangxia/kuakua_robot。
语料
做聊天机器人需要训练语料，事实上笔者本想潜伏在一些夸夸群里收集，后拉发现这些夸夸群日渐不活跃了，语料的质量也比较差，于是还是去爬了豆瓣表扬小组的数据，收集的语料地址https://github.com/xiaopangxia/kuakua_corpus。
基于文本相似度
相似度用的是传统离散词袋，采用TF-IDF、LSI、LDA模型等，搜索top4相似话题的回复，从中随机返回表扬语句，效果还不错，能够有一定针对性地夸人。
import random from zhcnSegment import zhcnSeg from sentenceSimilarity import SentenceSimilarity class kuakuaChat(): def __init__(self): """ 初始化夸夸话题回复表 """ self.qa_dict = {} self.q_list = [] with open('./douban_kuakua_topic.txt', 'r', encoding='utf8') as in_file: for line in in_file.readlines(): que = line.split('<######>')[0].strip() ans_list = [] for ans in line.split('<######>')[-1].split('<$$$$$$>'): if len(ans) > 2: ans_list.append(ans) if len(que)>5: self.q_list.append(que) self.qa_dict[que] = ans_list zhcn_seg = zhcnSeg() self.sent_sim = SentenceSimilarity(zhcn_seg) self.sent_sim.set_sentences(self.q_list) # 默认用tfidf self.sent_sim.TfidfModel() def answer_question(self, question_str): """ 返回与输入问句最相似的问句的固定回答 :param question_str: :return: """ most_sim_questions = self.sent_sim.similarity_top_k(question_str, 4) answer_list = [] for item in most_sim_questions: answer = self.qa_dict[item[0]] answer_list += answer return answer_list if __name__ == '__main__': test_bot = kuakuaChat() while True: try: user_input = input('USER:') answer_list = test_bot.answer_question(user_input) response = random.choice(answer_list) print('BOT:', response) # 直到按ctrl-c 或者 ctrl-d 才会退出 except (KeyboardInterrupt, EOFError, SystemExit): break 
尝试用chatterbot
做聊天机器人有一些现成的库可以用，任务型机器人可能考虑用aiml然后写模板，闲聊机器人有一个比较流行的chatterbot的库，拿它来训练一个机器人看看。
from chatterbot import ChatBot from chatterbot.trainers import ChatterBotCorpusTrainer import json class kuakuaChat(): @classmethod def corpus_convert(cls): """ 格式转化，将夸夸语料转成chatterbot训练语料 :return: """ dialog_list = [] with open('douban_kuakua_qa.txt', 'r', encoding='utf8') as in_file: que = None ans = None for line in in_file.readlines(): if 'Q:\t' in line: que = line.strip().split('\t')[-1] elif 'A:\t' in line: ans = line.strip().split('\t')[-1] if len(que) > 5 and ans is not None and len(ans) > 2: dialog_list.append([que, ans]) que = None ans = None chatterbot_corpus = {"conversations": dialog_list} out_file = open('kuakua_corpus.json', 'a', encoding='utf8') json.dump(chatterbot_corpus, out_file, ensure_ascii=False) @classmethod def create_chatterbot(cls): """ 用语料训练一个chatbot :return: """ cn_chatter = ChatBot("National Lib Chatter", storage_adapter='chatterbot.storage.SQLStorageAdapter', input_adapter='chatterbot.input.TerminalAdapter', output_adapter='chatterbot.output.TerminalAdapter', logic_adapters=[ 'chatterbot.logic.BestMatch', 'chatterbot.logic.MathematicalEvaluation', ], database='./db.sqlite3' ) trainer = ChatterBotCorpusTrainer(cn_chatter) trainer.train('./kuakua_corpus.json') # trainer.export_for_training('./my_export.json') return cn_chatter @classmethod def load_chatterbot(cls): """ 加载训练好的bot :return: """ cn_chatterbot = ChatBot('National Lib Chatter', storage_adapter='chatterbot.storage.SQLStorageAdapter', input_adapter = 'chatterbot.input.TerminalAdapter', output_adapter = 'chatterbot.output.TerminalAdapter', logic_adapters = [ 'chatterbot.logic.BestMatch', 'chatterbot.logic.MathematicalEvaluation', ], database = './db.sqlite3' ) return cn_chatterbot if __name__ == '__main__': # kuakuaChat.corpus_convert() # test_chatter = kuakuaChat.create_chatterbot() test_chatter = kuakuaChat.load_chatterbot() while True: try: user_input = input('USER:') response = test_chatter.get_response(user_input) print('BOT:', response) # 直到按ctrl-c 或者 ctrl-d 才会退出 except (KeyboardInterrupt, EOFError, SystemExit): break 
效果很不好，chatterbot本身适用于闲聊，任务性差，对语料的方法性好像也不太敏感 。有篇博客专门比较了一下开源聊天机器人的性能，也表示chatterbot对于闲聊型问题还可以回答正确几个(准确率也不高)，但是对于任务型、知识型问题一窍不通，这应该是开源项目里没有设置相应的模块、语料库资源过少，也不能够主动上网查询。
文章来源: https://blog.csdn.net/XiaoPANGXia/article/details/88998688