Python中的聊天机器人在过去的几年里,Python编程语言的聊天机器人在技术和商业领域受到了热烈的追捧。这些智能机器人非常擅长模仿人类的自然语言,并与人类聊天,以至于不同行业的公司都在接受它们。从电子商务行业到医疗保健机构,每个人似乎都在利用这个漂亮的实用程序来推动业务优势。在下面的教程中,我们将在Python编程语言的帮助下理解聊天机器人,并讨论在Python中创建聊天机器人的步骤。 了解聊天机器人一个聊天机器人是一种基于人工智能的软件,用于用自然语言与人类互动。这些聊天机器人通常通过听觉或文字的方式进行对话,它们可以毫不费力地模仿人类语言,以类似人类的方式与人类交流。聊天机器人被认为是自然语言处理的最佳应用之一。 我们可以将聊天机器人分为两个主要的变体:基于规则的聊天机器人和自学聊天机器人.
第一个聊天机器人命名为伊丽莎是由约瑟夫·魏岑鲍姆在1966年设计和开发的,它只用200行代码就能模仿心理治疗师的语言。但是随着技术的进步,我们已经从脚本聊天机器人发展到今天的Python聊天机器人。 当代的聊天机器人今天,我们有了由人工智能驱动的智能聊天机器人,它们利用自然语言处理(NLP)来理解来自人类的命令(文本和语音),并从经验中学习。聊天机器人已经成为活跃在线存在(网站和社交网络平台)的公司和品牌的主要客户交互工具。 在Python的帮助下,聊天机器人被认为是一个漂亮的实用工具,因为它们促进了品牌和客户之间的快速消息传递。让我们想想微软的小娜、亚马逊的Alexa和苹果的Siri。这些聊天机器人不是很棒吗?学习如何使用Python编程语言创建聊天机器人变得非常有趣。 从根本上说,使用Python的聊天机器人被设计和编程为接收我们提供的数据,然后使用人工智能的复杂算法对其进行分析。然后它会给我们一个书面或口头的答复。由于这些机器人可以从经验和行为中学习,它们可以响应各种各样的查询和命令。 尽管Python聊天机器人目前已经开始统治技术领域,但根据Gartner的预测,到2020年,聊天机器人将处理大约85%的客户与品牌的互动。 鉴于聊天机器人在行业中的日益普及和采用,我们可以通过学习如何使用Python(全球使用最广泛的编程语言之一)创建聊天机器人来增加市场价值。 那么,让我们开始吧! 了解ChatterBot库聊天机器人是一个Python库,用于为用户输入提供自动响应。它利用机器学习算法的组合来生成多种类型的响应。此功能使开发人员能够使用Python构建聊天机器人,这些聊天机器人可以与人类通信并提供相关和适当的响应。此外,机器学习算法支持机器人通过经验来提高其性能。 另一个惊人的特点是聊天机器人库是其语言独立性。该库的开发方式使得用多种编程语言训练机器人成为可能。 了解ChatterBot库的工作原理当用户在聊天机器人中插入特定的输入时(设计时)聊天机器人),机器人保存输入和响应以备将来使用。这些信息(收集到的经验)使聊天机器人能够在每次输入新信息时自动生成响应。 程序从与输入匹配的最近的语句中选择最合适的响应,然后从已知的语句和响应中提供响应。随着时间的推移,随着聊天机器人沉迷于更多的交流,回复的精确度也在提高。 使用Python创建聊天机器人我们将遵循一步一步的方法并分解创建Python聊天的过程。 我们将通过导入项目所需的所有包和模块来开始构建Python聊天机器人。我们还将初始化想要在其中使用的不同变量。此外,我们还将处理文本数据,因此我们必须在设计ML模型之前对数据集执行数据预处理。 这就是标记化支持文本数据的地方——它将大型文本数据集转换为更小、可读的块(如单词)。一旦这个过程完成,我们就可以进行引理化,将一个单词转换成引理形式。然后,它生成一个pickle文件,以存储用于预测bot响应的Python对象。 聊天机器人开发过程的另一个主要部分是开发训练和测试数据集。 现在我们已经理解了在Python中需要的聊天机器人开发的基本概念,让我们从实际的过程开始吧! 准备依赖项在Python中创建聊天机器人的第一步是使用聊天机器人库是在系统中安装库。我们还可以使用一个新的Python虚拟环境来安装库,这是一个很好的实践。我们可以在命令提示符或Python终端中使用pip安装程序在以下命令的帮助下安装库: 语法: 我们也可以直接从GitHub安装ChatterBot库的最新开发版本。为此,我们必须使用以下命令: 语法: 如果我们中的一些人想要升级库,我们可以使用以下命令 语法: 现在设置已经准备好了,我们可以进入下一步,使用Python编程语言创建聊天机器人。 导入类 Python聊天机器人开发过程的第二步是导入所需的类。 让我们考虑下面的代码片段来理解这一点。 文件:my_chatbot.py 解释: 在上面的代码片段中,我们导入了两个类-聊天机器人从聊天机器人和ListTrainer从chatterbot.trainers. 创建和训练聊天机器人下一步是使用类的实例创建聊天机器人。聊天机器人并训练机器人以提高其表现。首先,训练机器人确保它有足够的知识,对特定的输入语句进行特定的回复。 让我们考虑下面的代码片段。 文件:my_chatbot.py 解释: 在上面的代码片段中,我们定义了一个变量,它是类的实例。聊天机器人”。我们在类中包含了各种参数。第一个参数,“名字”,表示Python聊天机器人的名称。另一个参数叫做“read_only”接受一个布尔值,该值禁用(真正的)或启用(假)训练后机器人的学习能力。我们还包含了另一个参数“logic_adapters”它指定用于训练聊天机器人的适配器。 而“chatterbot.logic.MathematicalEvaluation”帮助聊天机器人解决数学问题`帮助它从已提供的响应列表中选择完美匹配。 因为我们必须提供一个响应列表,所以我们可以通过指定字符串列表来执行它,我们可以使用这些字符串列表来训练Python聊天机器人,并为某个查询找到完美匹配。让我们考虑下面的响应示例,我们可以使用Python训练聊天机器人来学习。 文件:my_chatbot.py 解释: 在上面的代码片段中,我们定义了一些响应列表,以便训练聊天机器人。我们也可以通过简单地输入一个实例来创建和训练聊天机器人ListTrainer,并为其提供如下所示的字符串列表: 文件:my_chatbot.py 解释: 在上面的代码片段中,我们创建了ListTrainer类并使用为-loop循环遍历响应列表中的每个项。 现在,Python聊天机器人已经准备好进行通信。 与Python聊天机器人通信我们可以用get_response ()函数,以便与Python聊天机器人交互。让我们考虑一下下面这个程序的执行来理解它。 输出: #开始对话>>>打印(myBot)。get_response("Hi, there!"))嗨>>> print(myBot。get_response(“你叫什么名字?”)我叫Sakura。请问我一个数学问题。> > >打印(myBot。get_response("你知道勾股定理吗"))a的平方加上b的平方等于c的平方。> > >打印(myBot。get_response("告诉我余弦定律的公式"))c**2 = a**2 + b**2 - 2*a*b*cos(gamma) 解释: 程序的上述执行告诉我们,我们已经成功地使用Python创建了一个聊天机器人聊天机器人图书馆。但是,也有必要了解使用Python的聊天机器人可能不知道如何回答所有查询。由于它的知识和训练仍然非常有限,我们必须给它时间和更多的训练数据来进一步训练它。 使用语料库训练Python聊天机器人当我们进入用Python创建聊天机器人的最后一步时,我们可以利用现有的数据语料库进一步训练Python聊天机器人。 让我们考虑下面的例子,用机器人自己提供的数据语料库来训练Python聊天机器人。 文件:my_chatbot.py 解释: 在上面的代码片段中,我们导入了ChatterBotCorpusTrainer类chatterbot.trainers模块。我们为聊天机器人创建了一个类实例,并将训练语言设置为英语。 此外,从最后的陈述中,我们可以观察到聊天机器人库以多种语言提供此功能。因此,我们还可以用我们喜欢的语言指定语料库的子集。因此,我们的Python聊天机器人已经成功创建。 Python聊天机器人项目的完整代码如下所示。 完整的项目代码文件:my_chatbot.py
下一个话题
如何在Python中将float转换为int
|