了解聊天机器人的主要用途很重要，每个行业都不能使用同一个聊天机器人，他们有不同的目的和不同的语料库。虽然消息传递组件可以很好地给予答复，但是可能需要时间作出回应。另一方面，考虑到时间问题，可以应用各种其他方法，甚至可以找到一些以规则为基础的系统，以获得适合回答所提问题的语句。

你曾多少次联系旅行社要求退票，得到一个恰当的答复是远远不够的。

现在让我们制作一个简单的聊天机器人，安装以下软件包：

pipinstallnltkpipinstallnewspaper3k

Package newspaper3k有以下优点：

多线程文章下载框架 可识别新闻URL 可从HTML中提取文本 从HTML中提取顶层图像 可从HTML提取所有图像 可从文本中提取关键词 可从文本中提取摘要 可从文本中提取作者 谷歌趋势术语提取 使用10多种语言(英语、德语、阿拉伯语、中文等)

导入库，如下所示：

#importlibrariesfromnewspaperimportArticleimportrandomimportnltkimportstringfromsklearn.feature_extraction.textimportCountVectorizerfromsklearn.metrics.pairwiseimportcosine_similarity

余弦相似度或余弦核将相似度计算为X和Y的标准化点积：

sklearn.metrics.pairwise.cosine_similarity(X,Y=None,dense_output=True) 参数

X{ndarray, sparse matrix} of shape (n_samples_X, n_features) 输入数据。

Y{ndarray,sparse matrix} of shape (n_samples_Y, n_features), default=None 输入数据。

如果没有，输出将是X. dense_outputbool中所有样本之间的成对相似性，default =True是否返回密集输出，即使输入是稀疏的。如果为False，则如果两个输入数组都是稀疏的，则输出是稀疏的。

返回

核矩阵：ndarray of shape(n_samples_X, n_samples_Y)

importnumpyasnpimportwarningswarnings.filterwarnings('ignore')

这里从一个医疗保健网站获取数据：

article=Article("https://www.mayoclinic.org/diseases-conditions/chronic-kidney-disease/symptoms-causes/syc-20354521")article.download()article.parse()article.nlp()corpus=article.textprint(corpus)#tokenizationtext=corpussentence_list=nltk.sent_tokenize(text)#Alistofsentences#Printthelistofsentencesprint(sentence_list)

准备好了语料库之后，你需要考虑用户或客户可能会问或说的问题，这与我们的内容无关。它可以是问候语、感谢语，也可以是拜拜之类的信息。团队需要就这些信息和他们的反应进行考量。

问候机器人响应：

#Randomresponsetogreetingdefgreeting_response(text):text=text.lower()#Botsgreetingbot_greetings=["howdy","hi","hola","hey","hello"]#UserGreetingsuser_greetings=["wassup","howdy","hi","hola","hey","hello"]forwordintext.split():ifwordinuser_greetings:returnrandom.choice(bot_greetings)#Randomresponsetogreetingdefgratitude_response(text):text=text.lower()

感谢机器人响应：

#Botsgratitudebot_gratitude=["Gladtohelp","Youaremostwelcome","Pleasuretobeofhelp"]#UserGratitudeuser_gratitude=["Thankyousomuch","grateful","Thankyou","thankyou","thankyou"]forwordintext.split():ifwordinuser_gratitude:returnrandom.choice(bot_gratitude)

种类列表：

#Defaulttitletextdefindex_sort(list_var):length=len(list_var)list_index=list(range(0,length))x=list_varforiinrange(length):forjinrange(length):ifx[list_index[i]]>x[list_index[j]]:#swaptemp=list_index[i]list_index[i]=list_index[j]list_index[j]=tempreturnlist_index

聊天机器人响应功能来自于对预定义文本的余弦相似性的响应。

#CreatBotsResponsedefbot_response(user_input):user_input=user_input.lower()sentence_list.append(user_input)bot_response=""cm=CountVectorizer().fit_transform(sentence_list)similarity_scores=cosine_similarity(cm[-1],cm)similarity_scores_list=similarity_scores.flatten()index=index_sort(similarity_scores_list)index=index[1:]response_flag=0j=0foriinrange(len(index)):ifsimilarity_scores_list[index[i]]>0.0:bot_response=bot_response+''+sentence_list[index[i]]response_flag=1j=j+1ifj>2:breakifresponse_flag==0:bot_response=bot_response+""+"Iapologize,Idontunderstand"sentence_list.remove(user_input)returnbot_response

对于退出聊天，退出列表中的单词写为“退出”，“再见”，“再见”，“退出”。

响应这些话，聊天机器人将退出聊天。

启动聊天机器人，尽情享受吧!

#StartChatprint("DocBot:IamDOcbotandIwillansweryourqueriesaboutchronickidneydisease,ifyouwanttoexittype,bye")exit_list=['exit','bye','seeyoulater','quit']while(True):user_input=input()ifuser_input.lower()inexit_list:print("DocBot:ByeByeSeeyoulater")breakelifgreeting_response(user_input)!=None:print("DocBot:"+greeting_response(user_input))elifgratitude_response(user_input)!=None:print("DocBot:"+gratitude_response(user_input))else:print("DocBot:"+bot_response(user_input))

请参见下面聊天机器人的回复：

“谢谢”并不在我们的机器人感谢程序中，因此我们要传达这样的信息。随着时间的推移，你可以扩大这样的词汇表，或者使用正则表达式对其进行微调。

举个小例子，与聊天机器人开始聊天，应该是快速和简单的。你需要针对不同行业对聊天机器人进行微调，这些行业的语料库来自实时数据或云端的一些储存。

此外，需要注意的是，实时数据要面对挑战，聊天必须基于最新的数据作出回应，例如在旅行社订票。

关键词： 聊天机器人