AI人工智能-Python实现人机对话

·  阅读 211

【前言】

AI

  在人工智能进展的如火如荼的今天,我们如果不尝试去接触新鲜事物,马上就要被世界淘汰啦~

  本文拟使用Python开发语言实现类似于WIndows平台的“小娜”,或者是IOS下的“Siri”。最终达到人机对话的效果。

【实现功能】

  这篇文章将要介绍的主要内容如下:

  1、搭建人工智能--人机对话服务端平台

  2、实现调用服务端平台进行人机对话交互

【实现思路】

  AIML

  AIML由Richard Wallace发明。他设计了一个名为 A.L.I.C.E. (Artificial Linguistics Internet Computer Entity 人工语言网计算机实体) 的机器人,并获得了多项人工智能大奖。有趣的是,图灵测试的其中一项就在寻找这样的人工智能:人与机器人通过文本界面展开数分钟的交流,以此查看机器人是否会被当作人类。

  本文就使用了Python语言调用AIML库进行智能机器人的开发。

  本系统的运作方式是使用Python搭建服务端后台接口,供各平台可以直接调用。然后客户端进行对智能对话api接口的调用,服务端分析参数数据,进行语句的分析,最终返回应答结果。

  当前系统前端使用HTML进行简单地聊天室的设计与编写,使用异步请求的方式渲染数据。

【开发及部署环境】

开发环境:Windows 7 ×64 英文版

     JetBrains PyCharm 2017.1.3 x64

测试环境:Windows 7 ×64 英文版

【所需技术】

  1、Python语言的熟练掌握,Python版本2.7

  2、Python服务端开发框架tornado的使用

  3、aiml库接口的简单使用

  4、HTML+CSS+Javascript(jquery)的熟练使用

  5、Ajax技术的掌握

【实现过程】

  1、安装Python aiml库

   pip install aiml
复制代码

  2、获取alice资源

  Python aiml安装完成后在Python安装目录下的 Lib/site-packages/aiml下会有alice子目录,将此目录复制到工作区。 或者在Google code上下载alice brain: aiml-en-us-foundation-alice.v1-9.zip

  3、Python下加载alice

  取得alice资源之后就可以直接利用Python aiml库加载alice brain了:

import aiml
os.chdir('./src/alice') # 将工作区目录切换到刚才复制的alice文件夹
alice = aiml.Kernel()
alice.learn("startup.xml")
alice.respond('LOAD ALICE')
复制代码

  注意加载时需要切换工作目录到alice(刚才复制的文件夹)下。

  4、 与alice聊天

  加载之后就可以与alice聊天了,每次只需要调用respond接口:

alice.respond('hello') #这里的hello即为发给机器人的信息
复制代码

  5. 用Tornado搭建聊天机器人网站   Tornado可以很方便地搭建一个web网站的服务端,并且接口风格是Rest风格,可以很方便搭建一个通用的服务端接口。

  这里写两个方法:

  get:渲染界面

  post:获取请求参数,并分析,返回聊天结果

  Class类的代码如下:

复制代码
class ChatHandler(tornado.web.RequestHandler):
def get(self):
    self.render('chat.html')

def post(self):
    try:
        message = self.get_argument('msg', None)

        print(str(message))

        result = {
            'is_success': True,
            'message': str(alice.respond(message))
        }

        print(str(result))

        respon_json = tornado.escape.json_encode(result)

        self.write(respon_json)

    except Exception, ex:
        repr(ex)
        print(str(ex))

        result = {
            'is_success': False,
            'message': ''
        }

        self.write(str(result))
复制代码
复制代码

  6. 简单搭建一个聊天界面    image.png

  该界面是基于BootStrap的,我们简单搭建这么一个聊天的界面用于展示我们的接口结果。同时进行简单的聊天。

  6. 接口调用

  我们异步请求服务端接口,并将结果渲染到界面

复制代码
            $.ajax({
                type: 'post',
                url: AppDomain+'chat',
                async: true,//异步
                dataType: 'json',
                data: (
                {
                    "msg":request_txt
                }),
                success: function (data)
                {
                    console.log(JSON.stringify(data));
                    if (data.is_success == true) {
                        setView(resUser,data.message);
                    }
                },
                error: function (data)
                {
                    console.log(JSON.stringify(data));
                }
            });//end Ajax
复制代码
复制代码

  这里我附上系统的完整目录结构以及完整代码->

  7、目录结构

   image.png

  8、Python服务端代码

View Code
复制代码

  9、Html前端代码

View Code
复制代码

【系统测试】

  1、首先我们将我们的服务运行起来    image.png

  2、调用测试   然后我们进行前台界面的调用

image.png   

image.png   

  这里我们可以看到,我们的项目完美运行,并且达到预期效果。

【可能遇到问题】

  中文乱码

【系统展望】

  经过测试,中文目前不能进行对话,只能使用英文进行对话操作,有待改善

分类:
人工智能
标签:
收藏成功!
已添加到「」, 点击更改