在国外,有知名的开源项目 Rasa 实现 Task Chatbot,对各种业务场景通过自然语言交互,在对话中识别意图、收集数据,提高业务流程自动化。
那么,中文有没有优秀的聊天机器人开源框架呢?
这就是答案
Chatopera Language Understanding Service,Chatopera 语义理解服务
https://github.com/chatopera/clause
Clause Quick Start Guide / Clause 快速开始
Chatopera Language Understanding Service,Chatopera 语义理解服务
前提
- 已部署 Clause 服务,参考部署文档
下载镜像
下载示例代码
git clone https://github.com/chatopera/clause-quick-start.git
cd clause-quick-start
安装依赖
安装 Clause Python Package
cd clause-quick-start
pip install -r requirements.txt
执行示例程序
cd clause-quick-start # demo目录
CL_HOST=127.0.0.1 # 设置 Clause 服务的 IP 地址
CL_PORT=8056 # 设置 Clause 服务的端口
python bot.py # 执行demo脚本
该脚本执行的示例代码bot.py内有注释介绍如何完成:
步骤 | 说明 |
---|---|
1 | 清除该机器人之前的数据 |
2 | 创建自定义词典 |
3 | 添加自定义词条 |
4 | 创建意图 |
5 | 添加意图槽位 |
6 | 添加意图说法 |
7 | 训练机器人 |
8 | 创建会话 |
9 | 和机器人对话 |
示例程序是一个点餐程序,输出内容如下:
[connect] clause host 127.0.0.1, port 8056
[clean_up_bot] remove intent take_out
[clean_up_bot] remove customdict food
[create] dict name food
[create] intent name take_out
[create] intent slot time
[create] intent slot loc
[create] intent slot food
[create] intent utter 我想订一份{food}
[create] intent utter 我想点外卖
[create] intent utter 我想点一份外卖,{time}用餐
[create] intent utter 我想点一份{food},送到{loc}
[train] start to train bot ...
[train] in progress ...
[chat] human: 我想点外卖,来一份汉堡包
[chat] bot: 您想什么时候送到?
[chat] human: 今天下午5点
[chat] bot: 您希望该订单送到哪里?
[chat] human: 送到大望路5号20楼
[chat] bot: 好的
[session] 订单信息: 收集信息已完毕 True
intent: take_out
entities:
food: 汉堡包
time: 今天下午5点
loc: 大望路5号
详细了解程序,参考文档。
输入文件
需要强调的是,该示例程序使用了 profile.json 文件作为机器人的输入数据,该文件描述了机器人的词典、说法和槽位等信息。
profile.json 内容如下:
{
"chatbotID": "bot007",
"dicts": [
{
"name": "food",
"dictwords": [
{
"word": "汉堡",
"synonyms": "汉堡包;漢堡;漢堡包"
}
]
}
],
"intents": [
{
"name": "take_out",
"description": "下外卖订单",
"slots": [
{
"name": "time",
"dictname": "@TIME",
"requires": true,
"question": "您想什么时候送到?"
},
{
"name": "loc",
"dictname": "@LOC",
"requires": true,
"question": "您希望该订单送到哪里?"
},
{
"name": "food",
"dictname": "food",
"requires": true,
"question": "您需要什么食物?"
}
],
"utters": [
{
"utterance": "我想订一份{food}"
}
]
}
]
}
开发者可以很方便的通过修改这个文件复用bot.py脚本训练和请求机器人对话服务。
停止服务并清空数据
恢复该示例项目到初始状态。
cd clause-quick-start
docker-compose down
docker-compose rm
sudo rm -rf ./var/mysql/data/*
sudo rm -rf ./var/activemq/data/*
sudo rm -rf ./var/redis/data/*
sudo rm -rf ./var/local/workarea/*
Clause 服务端技术栈
以下仅列出部分 Clause 使用的框架/开源软件,
Apache Thrift, C++, Docker, LevelDB, ActiveMQ, Jieba, Xapian, LAC/PaddlePaddle, Google Protobuf, etc.
选择标准:开源并且商业友好、高性能、适合集群大规模生产环境使用、适用 Cloud Native开发部署、微服务模式、多语言 SDK、可部署于廉价的硬件资源、可维护性强、成熟。
了解更多
https://github.com/chatopera/clause/wiki
- 概述
- 系统设计与实现
- 服务部署
- 示例程序
- 开发环境搭建
- 系统集成
- API 文档
- FAQ
开源许可协议
Apache License Version 2.0
今天的文章基于开源语义理解框架 Clause 实现聊天机器人分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/63114.html