| 基于Python+AIML+Tornado的智能聊天机器人（NLP+深度学习）含全部工程源码+语料库 适合个人二次开发 | 您所在的位置：网站首页 › Python的发明人 › 基于Python+AIML+Tornado的智能聊天机器人（NLP+深度学习）含全部工程源码+语料库 适合个人二次开发 |
基于Python+AIML+Tornado的智能聊天机器人（NLP+深度学习）含全部工程源码+语料库 适合个人二次开发
|
目录
前言总体设计系统整体结构图系统流程图
运行环境Python 环境Tornado 环境
模块实现1. 前端2. 后端3. 语料库4. 系统测试
其它资料下载
本项目旨在利用AIML技术构建一个聊天机器人，实现用户通过聊天界面与机器人交互的功能。通过提供的工程源代码，用户可以轻松地进行二次开发，例如使用网页与机器人进行交互，实现智能问答等。通过网页与机器人的交互，您可以实现智能问答、情感分析等多种功能，为您的应用场景带来更多可能性。快来一起探索AI技术的无限魅力吧！ 当然针对现在最火爆的ChatGPT等通用大语言模型，伙伴们可以直接将其应用在模块实现第2部分，其它详细的接口使用操作，大家可以关注我博客的其它关于ChatGPT接口使用的说明。 总体设计本部分主要包括系统整体结构图和系统流程图。 系统整体结构图系统整体结构如图所示。
AIML系统流程如下： 第一步：系统初始化 AIML系统在启动时，首先根据配置文件进行系统的初始化操作，把需要替换的词串（如把it’s替换为itis）、自身的相关信息（如名字、性别等）、人称转换信息以及此前的对话情景变量读入系统，并把AIML文件内容（即知识库）以树的结构形式加载到内存当中，形成内存知识树，这样当系统在响应用户输入的问句时，可直接在内存树中进行推理，提高了响应速度。加载完毕之后，等待用户输入问句。 第二步：接收用户输入，进行问句规范化处理 当AIML解析器接收到一行用户的输入后，首先把输入的文字分成单独的句子，进行问句规范化处理，分析当前句子中是否包含需要替换的字符串，如果有，则替换之。例如把问句中出现的“you’ve”替换为“youhave”，“I’m”替换为“Iam”等等。问句规范化处理完以后，以规范问句到内存知识树中查询推理答案。 第三步：问句查询推理 这一过程是AIML的核心部分，将规范化处理后的问句与内存知识树中的模式进行匹配，寻找最佳匹配结果，找到之后，读出该匹配模式对应的模板信息，进行下一步处理。 第四步：模板处理 也就是答案的后处理，模板中可能包含一些特殊标记需要处理，如读出机器人名字标记所代表的实际名称，还原星号部分所代表的内容，如果包含跳转标记，还需要在内存知识树中以跳转部分的内容做进一步的推理。模板处理完后返回用户结果，等待用户输入新问句。 系统流程如图所示：
本部分包括 Python 环境、Tornado 环境。 Python 环境需要 Python 2.7，下载地址：https://www.python.org/downloads/windows/。 Tornado 环境Tornado 是使用 Python 编写的一个强大的、可扩展的 Web 服务器。 模块实现本项目主要包括 3 个模块，前端、后端、语料库，下面分别给出各模块的功能介绍及相关代码。 1. 前端前端框架地是采用 Bootstrap 框架。Bootstrap，来自 Twitter，是目前最受欢迎的前端框架。Bootstrap 是基于 HTML、CSS、JavaScript 的，它在 jQuery 的基础上进行了更为个性化和人性化的完善，形成一套自己独有的网站风格，并兼容大部分 jQuery 插件。Bootstrap 简洁灵活，使得 Web 开发更加快捷。其最大的优势是响应式布局，使得开发者 可以方便的让网页无论在台式机、平板设备、手机上都获得最佳的体验。 DOCTYPE html> ChatBotx .top-margin-20{ margin-top: 20px; //设置上边距 } #result_table,#result_table thead th{ text-align: center; } #result_table .td-width-40{ width: 40%; } var AppDomain = 'http://localhost:8000/' $(document).ready(function(){ $("#btn_sub").click(function(){ var user = 'XXX'; var resUser = 'Bot'; var request_txt = $("#txt_sub").val(); setView(user,request_txt); $.ajax({ type: 'post', url: AppDomain+'chat', async: true,//异步 dataType: 'json', // contentType: "application/x-www-form-urlencoded; charset=utf-8", data: ( { "msg":encodeURI(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)); } }); }); }); function setView(user,text) { var subTxt = user + " "+new Date().toLocaleTimeString() +'\n·'+ decodeURI(text); $("#txt_view").val($("#txt_view").val()+'\n\n'+subTxt); var scrollTop = $("#txt_view")[0].scrollHeight; $("#txt_view").scrollTop(scrollTop); } Home ChatBot User: XXX Submit 2. 后端后端我们采用的是 tornado 架构，之所以使用 tornado 是因为 Tornado 是使用 Python编写的一个强大的、可扩展的 Web 服务器。它在处理严峻的网络流量时表现得足够强健，但却在创建和编写时有着足够的轻量级，并能够被用在大量的应用和工具中。Tornado 和主流 Web服务器框架（包括大多数 Python 的框架）有着明显的区别：它是非阻塞式服务器，而且速度相当快。 #!/usr/bin/env python # -*- coding: utf-8 -*- import os.path import tornado.auth import tornado.escape import tornado.httpserver import tornado.ioloop import tornado.options import tornado.web from tornado.options import define, options import os import aiml os.chdir(r'C:\Users\clys\Desktop\AIML\example1') k = aiml.Kernel() k.learn("cn-startup.xml") k.respond("load aiml cn") define('port', default=8000, help='run on the given port', type=int) class Application(tornado.web.Application): def __init__(self): handlers = [ #handlers，它告诉 Tornado 应该用哪个类来响应请求。 (r'/', MainHandler), (r'/chat', ChatHandler), ] settings = dict( template_path=os.path.join(os.path.dirname(__file__), 'templates'), #该句作是告诉 tornado 在哪里找模板文件 static_path=os.path.join(os.path.dirname(__file__), 'static'), debug=True, #设置调制模式，默认为 false ) tornado.web.Application.__init__(self, handlers, **settings) class MainHandler(tornado.web.RequestHandler): def get(self): #get 的作用是渲染界面 self.render('index.html') #发送 index.HTML 文件给浏览器 def post(self): #post 的作用是获取参数，并分析，返回结果 result = { 'is_success': True, 'message': '123' } respon_json = tornado.escape.json_encode(result) self.write(str(respon_json)) def put(self): respon_json = tornado.escape.json_encode("{'name':'XXX','age':123}") #tornado.escape.json_encode(result)的作用是：json 对指定的 python 对象进行编码 self.write(respon_json) class ChatHandler(tornado.web.RequestHandler): # 定 义 一 个tornado.web.RequestHandler 的子类为 ChatHandler 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(k.respond(message)) } print(str(result)) respon_json = tornado.escape.json_encode(result) self.write(respon_json) except Exception as ex: repr(ex) print(str(ex)) result = { 'is_success': False, 'message': '' } self.write(str(result)) def main(): tornado.options.parse_command_line() http_server = tornado.httpserver.HTTPServer(Application()) http_server.listen(options.port) tornado.ioloop.IOLoop.instance().start() if __name__ == '__main__': print('HTTP server starting ...') main() 3. 语料库1)标签解释： ：定义一个 aiml 文件的开始与结束 ：定义一个知识的单元 ：定义一个模板，来匹配用户可能的输入 ：定义根据用户的输入需要返回的回答 因此表现在聊天界面的效果就是： user:你好 bot:嗨，好久不见 user:你是谁 bot:我是灰太狼 1234 但是光是以上如此简单的模式，要适应大量的人类语言与句式，显得异常笨重，aiml 提供了许多其他 tag 来帮助人们构建更有效更灵活的问答模式。 代码示例： 登录 你的用户名是? * 密码正确, 已通过验证. 请登陆. * 你的用户名是 你的密码是? * 你的密码是 谢谢.2)在正式构建聊天机器人之前，需要创建一个名为后缀为.xml 的启动文件，用于作为加载AIML 文件的主入口点。 代码示例： LOAD AIML CN n zhoudk.aiml corpus1000.aiml maimeng.aiml rude.aiml sex.aiml shengji.aiml 4. 系统测试1) 运行后端服务器 运行后端服务器界面如图所示：
2) 后台运行结果 在浏览器中输入以下地址 http://localhost:8000/聊天界面如图所示：
后台运行结果如图所示：
如果大家想继续了解人工智能相关学习路线和知识体系，欢迎大家翻阅我的另外一篇博客《重磅 | 完备的人工智能AI 学习——基础知识学习路线，所有资料免关注免套路直接网盘下载》 这篇博客参考了Github知名开源平台，AI技术平台以及相关领域专家：Datawhale，ApacheCN，AI有道和黄海广博士等约有近100G相关资料，希望能帮助到所有小伙伴们。 |
【本文地址】