ChatterBot是Python自带的基于机器学习的语音对话引擎,可以基于已知的对话库来产生回应。ChatterBot独特的语言设计可以使它可以通过训练来用任何一种语言进行对话。该项目的开源代码链接:https://github.com/gunthercox/ChatterBot
ChatterBot
包含的工具有助于简化训练聊天机器人实例的过程。ChatterBot
的训练过程涉及将示例对话框加载到聊天机器人的数据库中。这可以创建或构建代表已知语句和响应集的图数据结构。当一个聊天机器人训练师被提供一个数据集时,它会在聊天机器人的知识图中创建必要的条目,以便正确表示语句输入和响应。
chatterbot.trainers.ListTrainer(storage, **kwargs)
允许使用对话字符串列表来训练ChatBot
。
对于训练过程,需要传递一个语句列表,其中每个语句的顺序基于其在给定对话中的位置。
例如,如果你使用如下语言进行训练,则当你输入Hi there!
或者Greetings!
的时候机器人会回复你Hello
。
from chatterbot import ChatBot from chatterbot.trainers import ListTrainer chatterbot = ChatBot("Training Example") chatterbot.set_trainer(ListTrainer) chatterbot.train([ "Hi there!", "Hello", ]) chatterbot.train([ "Greetings!", "Hello", ])
还可以提供更长的训练对话清单。这将在列表中建立每个项目作为响应。
chatterbot.train([ "How are you?", "I am good.", "That is good to hear.", "Thank you", "You are welcome.", ])
大佬整理的语料库地址:https://github.com/codemayq/chinese_chatbot_corpuszheng
chatterbot自带的语料库可以通过以下代码来实现,不需要额外下载:
from chatterbot.trainers import ChatterBotCorpusTrainer chatterbot = ChatBot("Training Example") chatterbot.set_trainer(ChatterBotCorpusTrainer) chatterbot.train( "chatterbot.corpus.english" )
我选择了语料数量较少的xiaohuangji语料库:https://github.com/candlewill/Dialog_Corpus
首先下载未分词的语料库
下载解压后将后缀改为.txt
打开后是这样的:
接下来就是把txt文件按行读取并存入列表中,注意要跳过’E’那一行,并且把每句话开头的’M\n’去掉
具体代码为:
#导入语料库 file = open("./corpus/xiaohuangji50w_nofenci.txt",'r',encoding='utf-8') corpus = [] print('开始加载语料!') while 1: try: line = file.readline() if not line: break if line == 'E\n': continue corpus.append(line.split('M ')[1].strip('\n')) except: pass file.close() print('语料加载完毕')
处理后效果:
如果出现下面的报错,在将line.split('M ')[1].strip('\n')
存入corpus列表前print(line.split('M ')[1].strip('\n'))
就好了
我们取前10000条语料进行训练my_bot.train(corpus[:10000])
my_bot = ChatBot("xiaohuangji") my_bot.set_trainer(ListTrainer) print('开始训练!') my_bot.train(corpus[:10000]) print('训练完毕!') while True: print(my_bot.get_response(input("user:")))
由于第一次使用ChatterBot,也没有过多的时间去研究,还不知道怎么直接训练.tsv文件,于是采取直接读取txt,然后通过列表数据进行训练chatterbot.trainers.ListTrainer(storage, **kwargs)
。
经过实践该种方法在训练大量语料时很慢,训练10000条语料后的回答时间大概在一分钟,不过回答的质量是高于chattbot提供的560条中文语料训练的结果的。
[ ChatterBot聊天机器人 ] ChatterBot训练数据以及使用三方语料库训练数据
[两种开源聊天机器人的性能测试(一)——ChatterBot]