正文

開源聊天機器人（開源聊天機器人 c）

發(fā)布時間：2023-04-08 13:32:57 稿源：創(chuàng)意嶺閱讀： 120

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于開源聊天機器人的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、求一份簡單的聊天機器人源代碼，要C++編寫的
2、國外的群聊軟件有哪些
3、如何利用深度學(xué)習(xí)技術(shù)訓(xùn)練聊天機器人語言模型
4、

開源聊天機器人（開源聊天機器人 c）

一、求一份簡單的聊天機器人源代碼，要C++編寫的

那得看樓主希望聊天機器人有哪些功能了。

一般地，首先要能分析句子，區(qū)分名詞和形容詞，能記憶集合關(guān)系

然后就是隨機性地回答問題了

二、國外的群聊軟件有哪些

國外的群聊軟件有很多，以下是一些常見的群聊軟件：

WhatsApp：由Facebook公司開發(fā)，支持實時聊天、語音通話、視頻通話等功能，是全球廣泛使用的即時通訊工具之一。

Telegram：一款開源的即時通訊軟件，支持加密聊天、文件傳輸、頻道等功能，被譽為“最安全的聊天應(yīng)用”。

WeChat：由中國騰訊公司開發(fā)，是中國用戶最廣泛使用的即時通訊軟件，支持聊天、語音通話、視頻通話、支付等多種功能。

Line：由日本Naver公司開發(fā)，支持聊天、語音通話、視頻通話、免費通話等功能，是亞洲廣泛使用的即時通訊工具之一。

Skype：由微軟公司開發(fā)，支持聊天、語音通話、視頻通話等功能，被廣泛用于商務(wù)和個人通訊。

Discord：一款面向游戲玩家的聊天軟件，支持聊天、語音通話、游戲直播等功能，受到了全球范圍內(nèi)游戲玩家的歡迎。

Slack：一款面向團(tuán)隊協(xié)作的聊天軟件，支持聊天、文件共享、任務(wù)管理等功能，被廣泛用于企業(yè)和組織內(nèi)部通訊。

除了以上列舉的軟件，還有很多其他的群聊軟件，如Viber、KakaoTalk、Hangouts等，用戶可以根據(jù)自己的需求和偏好選擇合適的軟件。

三、如何利用深度學(xué)習(xí)技術(shù)訓(xùn)練聊天機器人語言模型

數(shù)據(jù)預(yù)處理

模型能聊的內(nèi)容也取決于選取的語料。如果已經(jīng)具備了原始聊天數(shù)據(jù)，可以用SQL通過關(guān)鍵字查詢一些對話，也就是從大庫里選取出一個小庫來訓(xùn)練。從一些論文上，很多算法都是在數(shù)據(jù)預(yù)處理層面的，比如Mechanism-Aware Neural Machine for Dialogue Response Generation就介紹了，從大庫中抽取小庫，然后再進(jìn)行融合，訓(xùn)練出有特色的對話來。

對于英語，需要了解NLTK，NLTK提供了加載語料，語料標(biāo)準(zhǔn)化，語料分類，PoS詞性標(biāo)注，語意抽取等功能。

另一個功能強大的工具庫是CoreNLP，作為 Stanford開源出來的工具，特色是實體標(biāo)注，語意抽取，支持多種語言。

下面主要介紹兩個內(nèi)容：

中文分詞

現(xiàn)在有很多中文分詞的SDK，分詞的算法也比較多，也有很多文章對不同SDK的性能做比較。做中文分詞的示例代碼如下。

# coding:utf8

'''

Segmenter with Chinese

'''

import jieba

import langid

def segment_chinese_sentence(sentence):

'''

Return segmented sentence.

'''

seg_list = jieba.cut(sentence, cut_all=False)

seg_sentence = u" ".join(seg_list)

return seg_sentence.strip().encode('utf8')

def process_sentence(sentence):

'''

Only process Chinese Sentence.

'''

if langid.classify(sentence)[0] == 'zh':

return segment_chinese_sentence(sentence)

return sentence

if __name__ == "__main__":

print(process_sentence('飛雪連天射白鹿'))

print(process_sentence('I have a pen.'))

以上使用了langid先判斷語句是否是中文，然后使用jieba進(jìn)行分詞。

在功能上，jieba分詞支持全切分模式，精確模式和搜索引擎模式。

全切分：輸出所有分詞。

精確：概率上的最佳分詞。

所有引擎模式：對精確切分后的長句再進(jìn)行分詞。

jieba分詞的實現(xiàn)

主要是分成下面三步：

1、加載字典，在內(nèi)存中建立字典空間。

字典的構(gòu)造是每行一個詞，空格，詞頻，空格，詞性。

上訴書 3 n

上訴人 3 n

上訴期 3 b

上訴狀 4 n

上課 650 v

建立字典空間的是使用python的dict，采用前綴數(shù)組的方式。

使用前綴數(shù)組的原因是樹結(jié)構(gòu)只有一層 - word:freq，效率高，節(jié)省空間。比如單詞"dog", 字典中將這樣存儲：

{

"d": 0,

"do": 0,

"dog": 1 # value為詞頻

}

字典空間的主要用途是對輸入句子建立有向無環(huán)圖，然后根據(jù)算法進(jìn)行切分。算法的取舍主要是根據(jù)模式 - 全切，精確還是搜索。

2、對輸入的語句分詞，首先是建立一個有向無環(huán)圖。

有向無環(huán)圖, Directed acyclic graph (音 /ˈdæɡ/)。

【圖 3-2】 DAG

DAG對于后面計算最大概率路徑和使用HNN模型識別新詞有直接關(guān)系。

3、按照模式，對有向無環(huán)圖進(jìn)行遍歷，比如，在精確模式下，便利就是求最大權(quán)重和的路徑，權(quán)重來自于在字典中定義的詞頻。對于沒有出現(xiàn)在詞典中的詞，連續(xù)的單個字符也許會構(gòu)成新詞。然后用HMM模型和Viterbi算法識別新詞。

精確模型切詞：使用動態(tài)規(guī)劃對最大概率路徑進(jìn)行求解。

最大概率路徑：求route = (w1, w2, w3 ,.., wn)，使得Σweight(wi)最大。Wi為該詞的詞頻。

更多的細(xì)節(jié)還需要讀一下jieba的源碼。

自定義字典

jieba分詞默認(rèn)的字典是:1998人民日報的切分語料還有一個msr的切分語料和一些txt小說。開發(fā)者可以自行添加字典，只要符合字典構(gòu)建的格式就行。

jieba分詞同時提供接口添加詞匯。

Word embedding

使用機器學(xué)習(xí)訓(xùn)練的語言模型，網(wǎng)絡(luò)算法是使用數(shù)字進(jìn)行計算，在輸入進(jìn)行編碼，在輸出進(jìn)行解碼。word embedding就是編解碼的手段。

【圖 3-3】 word embedding, Ref. #7

word embedding是文本的數(shù)值化表示方法。表示法包括one-hot，bag of words，N-gram，分布式表示，共現(xiàn)矩陣等。

Word2vec

近年來，word2vec被廣泛采用。Word2vec輸入文章或者其他語料，輸出語料中詞匯建設(shè)的詞向量空間。詳細(xì)可參考word2vec數(shù)學(xué)原理解析。

使用word2vec

安裝完成后，得到word2vec命令行工具。

word2vec -train "data/review.txt"

-output "data/review.model"

-cbow 1

-size 100

-window 8

-negative 25

-hs 0

-sample 1e-4

-threads 20

-binary 1

-iter 15

-train "data/review.txt" 表示在指定的語料庫上訓(xùn)練模型

-cbow 1 表示用cbow模型，設(shè)成0表示用skip-gram模型

-size 100 詞向量的維度為100

-window 8 訓(xùn)練窗口的大小為8 即考慮一個單詞的前八個和后八個單詞

-negative 25 -hs 0 是使用negative sample還是HS算法

-sample 1e-4 采用閾值

-threads 20 線程數(shù)

-binary 1 輸出model保存成2進(jìn)制

-iter 15 迭代次數(shù)

在訓(xùn)練完成后，就得到一個model，用該model可以查詢每個詞的詞向量，在詞和詞之間求距離，將不同詞放在數(shù)學(xué)公式中計算輸出相關(guān)性的詞。比如：

vector("法國") - vector("巴黎) + vector("英國") = vector("倫敦")"

對于訓(xùn)練不同的語料庫，可以單獨的訓(xùn)練詞向量模型，可以利用已經(jīng)訓(xùn)練好的模型。

其它訓(xùn)練詞向量空間工具推薦：Glove。

Seq2Seq

2014年，Sequence to Sequence Learning with Neural Networks提出了使用深度學(xué)習(xí)技術(shù)，基于RNN和LSTM網(wǎng)絡(luò)訓(xùn)練翻譯系統(tǒng)，取得了突破，這一方法便應(yīng)用在更廣泛的領(lǐng)域，比如問答系統(tǒng)，圖像字幕，語音識別，撰寫詩詞等。Seq2Seq完成了【encoder + decoder -> target】的映射，在上面的論文中，清晰的介紹了實現(xiàn)方式。

【圖 3-4】 Seq2Seq, Ref. #1

也有很多文章解讀它的原理。在使用Seq2Seq的過程中，雖然也研究了它的結(jié)構(gòu)，但我還不認(rèn)為能理解和解釋它。下面談兩點感受：

a. RNN保存了語言順序的特點，這和CNN在處理帶有形狀的模型時如出一轍，就是數(shù)學(xué)模型的設(shè)計符合物理模型。

【圖 3-5】 RNN, Ref. #6

b. LSTM Cell的復(fù)雜度對應(yīng)了自然語言處理的復(fù)雜度。

【圖 3-6】 LSTM, Ref. #6

理由是，有人將LSTM Cell嘗試了多種其它方案傳遞狀態(tài)，結(jié)果也很好。

【圖 3-7】 GRU, Ref. #6

LSTM的一個替代方案：GRU。只要RNN的Cell足夠復(fù)雜，它就能工作的很好。

使用DeepQA2訓(xùn)練語言模型

準(zhǔn)備工作，下載項目：

git clone https://github.com/Samurais/DeepQA2.git

cd DeepQA2

open README.md # 根據(jù)README.md安裝依賴包

DeepQA2將工作分成三個過程：

數(shù)據(jù)預(yù)處理：從語料庫到數(shù)據(jù)字典。

訓(xùn)練模型：從數(shù)據(jù)字典到語言模型。

提供服務(wù)：從語言模型到RESt API。

預(yù)處理

DeepQA2使用Cornell Movie Dialogs Corpus作為demo語料庫。

原始數(shù)據(jù)就是movie_lines.txt 和movie_conversations.txt。這兩個文件的組織形式參考README.txt

deepqa2/dataset/preprocesser.py是將這兩個文件處理成數(shù)據(jù)字典的模塊。

train_max_length_enco就是問題的長度，train_max_length_deco就是答案的長度。在語料庫中，大于該長度的部分會被截斷。

程序運行后，會生成dataset-cornell-20.pkl文件，它加載到python中是一個字典：

word2id存儲了{(lán)word: id}，其中word是一個單詞，id是int數(shù)字，代表這個單詞的id。

id2word存儲了{(lán)id: word}。

trainingSamples存儲了問答的對話對。

比如 [[[1,2,3],[4,5,6]], [[7,8,9], [10, 11, 12]]]

1，2，3 ... 12 都是word id。

[1,2,3] 和 [4,5,6] 構(gòu)成一個問答。 [7,8,9] 和 [10, 11, 12] 構(gòu)成一個問答。

開始訓(xùn)練

cp config.sample.ini config.ini # modify keys

python deepqa2/train.py

config.ini是配置文件, 根據(jù)config.sample.ini進(jìn)行修改。訓(xùn)練的時間由epoch，learning rate, maxlength和對話對的數(shù)量而定。

deepqa2/train.py大約100行，完成數(shù)據(jù)字典加載、初始化tensorflow的session，saver，writer、初始化神經(jīng)元模型、根據(jù)epoch進(jìn)行迭代，保存模型到磁盤。

session是網(wǎng)絡(luò)圖，由placeholder, variable, cell, layer, output 組成。

saver是保存model的，也可以用來恢復(fù)model。model就是實例化variable的session。

writer是查看loss fn或者其他開發(fā)者感興趣的數(shù)據(jù)的收集器。writer的結(jié)果會被saver保存，然后使用tensorboard查看。

Model

Model的構(gòu)建要考慮輸入，狀態(tài)，softmax，輸出。

定義損耗函數(shù)，使用AdamOptimizer進(jìn)行迭代。

最后，參考一下訓(xùn)練的loop部分。

每次訓(xùn)練，model會被存儲在 save路徑下，文件夾的命名根據(jù)機器的hostname，時間戳生成。

提供服務(wù)

在TensorFlow中，提供了標(biāo)準(zhǔn)的serving模塊 - tensorflow serving。但研究了很久，還專門看了一遍《C++ Essentials》，還沒有將它搞定，社區(qū)也普遍抱怨tensorflow serving不好學(xué)，不好用。訓(xùn)練結(jié)束后，使用下面的腳本啟動服務(wù)，DeepQA2的serve部分還是調(diào)用TensorFlow的python api。

cd DeepQA2/save/deeplearning.cobra.vulcan.20170127.175256/deepqa2/serve

cp db.sample.sqlite3 db.sqlite3

python manage.py runserver 0.0.0.0:8000

測試

POST /api/v1/question HTTP/1.1

Host: 127.0.0.1:8000

Content-Type: application/json

Authorization: Basic YWRtaW46cGFzc3dvcmQxMjM=

Cache-Control: no-cache

{"message": "good to know"}

response

{