A：B，早上好，吃早饭没！
B：早！刚吃！
A：周末过得如何？
B：还不错，去了深圳湾骑单车。你呢？
A：我比较宅，就在家里宅着。
B：哈哈，宅着也挺好，出门都是看人的。
A：哈哈，我上班去了。
B：恩，好的，再见。
A：再见
上述模拟了一个简单的会话场景，当然我们需要实现的打招呼机器人并没有那么复杂，如果真要实现上述对话，那么涉及的技术将远远不是本文就能介绍完的。
我们可以抽象一下上述对话，上述对话其实就只有3个动作：打招呼、闲聊和再见。
这3个动作在自然语言处理中成为‘意图（intent）’。意图往往表示着将要实行某一系列的行为。在这里我们定义3个意图：greet,chat,goodbye。
虽然有了意图，那我们又该如何判断是那个意图呢？这里我们直接通过关键字是判别，比如当提到‘早’的时候往往就意味着是在打招呼（greet），而提到‘再见’就显然表示是再见（goodbye）了，而除此之外的，我们都归结为闲聊（chat）。
意图识别的代码如下：
if '早' in message:
intent='greet'
elif '再见' in message:
intent='goodbye'
else:
intent='chat'
有了意图，就可以对意图作出相应的反馈策略了。
greet:
'早上好'
goodbye:
'再见'
chat：
‘听起来很有趣的样子’
好了，到这里我们想要打造的聊天机器人的雏形就出来了。首先接收用户的输入，然后根据用户的输入判定意图，之后根据相应的意图生成对应的回答。这样就完成了一次会话过程。伪代码可以表示如下：
input_string=""#输入
intent_object=intent(input_string)#意图识别
response=policy(intent_object)#回复生成
print(response)#返回用户
chatbot开发
理清楚了具体的对话流程，下面就可以开始着手对我们的聊天机器人进行开发了。这里我们用到的rasa框架，rasa中用领域（domain）对会话进行区分，每一个领域下面有不同的意图，意图是由实体进行区分的，每一个意图对应着一个会话动作。
安装：
pip install rasa_core
git clone https://github.com/RasaHQ/rasa_core.git
cd rasa_core
pip install -r requirements.txt
python setup.py install
在完成安装之后可以运行helloworld示例来检验是否正常安装成功：
python examples/hello_world/run.py
Bot loaded. Type hello and press enter :
hello
hey there!
当‘hey there!’的回复之后就是安装成功了。安装成功之后就利用hello_world示例项目实现上文提到的打招呼机器人。
定义领域、意图和动作
#创建文件common_domain.yml，复制如下代码
intents:#定义意图
- greet - goodbye - chat
entities:
- action
templates:#表示对于相应的意图采取什么样的回复
utter_greet:
- "hello!" utter_goodbye:
- "byebye :(" utter_chat:
- "It seems like funny!"
actions:
- utter_greet - utter_goodbye - utter_chat
实现会话逻辑
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
from __future__ import unicode_literals
import logging
import numpy as np
from rasa_core import utils
from rasa_core.actions.action import ACTION_LISTEN_NAME
from rasa_core.agent import Agent
from rasa_core.channels.console import ConsoleInputChannel
from rasa_core.domain import TemplateDomain
from rasa_core.interpreter import NaturalLanguageInterpreter
from rasa_core.policies import Policy
from rasa_core.tracker_store import InMemoryTrackerStore
logger = logging.getLogger(__name__)
class CommonPolicy(Policy):
def predict_action_probabilities(self, tracker, domain):
# type: (DialogueStateTracker, Domain) -> List[float]
#将对应的意图与动作绑定
responses = {
"greet": 2,
"goodbye": 3,
"chat": 4,
}
if tracker.latest_action_name == ACTION_LISTEN_NAME:
key = tracker.latest_message.intent["name"]
action = responses[key] if key in responses else 4
return utils.one_hot(action, domain.num_actions)
else:
return np.zeros(domain.num_actions)
class HelloInterpreter(NaturalLanguageInterpreter):
def parse(self, message):
# intent = "greet" if 'hello' in message else "default"
global intent
#进行意图识别
if 'hello' in message:
intent='greet'
elif 'goodbye' in message:
intent='goodbye'
else:
intent='chat'
return {
"text": message,
"intent": {"name": intent, "confidence": 1.0},
"entities": []
}
def run_hello_world(serve_forever=True):
default_domain = TemplateDomain.load("./common_domain.yml")#加载多个domain怎么办
agent = Agent(default_domain,
policies=[CommonPolicy()],
interpreter=HelloInterpreter(),
tracker_store=InMemoryTrackerStore(default_domain))
if serve_forever:
# Attach the commandline input to the controller to handle all
# incoming messages from that channel
agent.handle_channel(ConsoleInputChannel())
return agent
