评论
来源：octodev.net/most-advanced-chatbot-apps-powered-by-artificial-intellect/
“聊天机器人（也称为对话机器人、闲聊机器人、机器人、IM 机器人、互动代理或人工对话实体）是一个计算机程序或一个人工智能，通过听觉或文本方法进行对话。这些程序通常被设计为模拟人类在对话中的行为，从而通过图灵测试。聊天机器人通常用于对话系统中，具有多种实际用途，包括客户服务或信息获取。一些聊天机器人使用复杂的自然语言处理系统，但许多简单的系统则扫描输入中的关键词，然后从数据库中提取具有最匹配关键词或最相似措辞模式的回复。”
— 来源 维基百科
聊天机器人并不是很新，其中之一是 ELIZA，它在 1960 年代初期创建，值得探索。为了成功构建一个对话引擎，它应当考虑以下事项：
-
了解目标受众
-
了解交流的自然语言。
-
了解用户的意图或愿望
-
提供可以回答用户的问题的响应
今天我们将学习如何使用 Python 的 NLTK 库创建一个简单的聊天助手或聊天机器人。
NLTK 有一个模块，nltk.chat，它通过提供一个通用框架来简化这些引擎的构建。
在这个博客中，我使用了来自 nltk.chat.util 的两个导入：
聊天：这是一个包含聊天机器人所使用的所有逻辑的类。
反射：这是一个包含一组输入值及其对应输出值的词典。它是一个可选的词典，你可以使用它。你也可以创建自己的词典，格式如下，并在代码中使用。如果你查看 nltk.chat.util，你会看到它的值如下：
reflections = {
"i am" : "you are",
"i was" : "you were",
"i" : "you",
"i'm" : "you are",
"i'd" : "you would",
"i've" : "you have",
"i'll" : "you will",
"my" : "your",
"you are" : "I am",
"you were" : "I was",
"you've" : "I have",
"you'll" : "I will",
"your" : "my",
"yours" : "mine",
"you" : "me",
"me" : "you"
}你也可以创建你自己的反射词典，格式与上面相同，并在代码中使用它。以下是一个示例：
my_dummy_reflections= {
"go" : "gone",
"hello" : "hey there"
}并将其用作：
chat = Chat(pairs, my_dummy_reflections)使用上述 Python 的 NLTK 库概念，让我们构建一个简单的聊天机器人，而不使用任何机器学习或深度学习算法。因此，显然我们的聊天机器人将是一个体面的，但不是智能的。
源代码：
from nltk.chat.util import Chat, reflections
pairs = [
[
r"my name is (.*)",
["Hello %1, How are you today ?",]
],
[
r"what is your name ?",
["My name is Chatty and I'm a chatbot ?",]
],
[
r"how are you ?",
["I'm doing good\nHow about You ?",]
],
[
r"sorry (.*)",
["Its alright","Its OK, never mind",]
],
[
r"i'm (.*) doing good",
["Nice to hear that","Alright :)",]
],
[
r"hi|hey|hello",
["Hello", "Hey there",]
],
[
r"(.*) age?",
["I'm a computer program dude\nSeriously you are asking me this?",]
],
[
r"what (.*) want ?",
["Make me an offer I can't refuse",]
],
[
r"(.*) created ?",
["Nagesh created me using Python's NLTK library ","top secret ;)",]
],
[
r"(.*) (location|city) ?",
['Chennai, Tamil Nadu',]
],
[
r"how is weather in (.*)?",
["Weather in %1 is awesome like always","Too hot man here in %1","Too cold man here in %1","Never even heard about %1"]
],
[
r"i work in (.*)?",
["%1 is an Amazing company, I have heard about it. But they are in huge loss these days.",]
]
[
r"(.*)raining in (.*)",
["No rain since last week here in %2","Damn its raining too much here in %2"]
],
[
r"how (.*) health(.*)",
["I'm a computer program, so I'm always healthy ",]
],
[
r"(.*) (sports|game) ?",
["I'm a very big fan of Football",]
],
[
r"who (.*) sportsperson ?",
["Messy","Ronaldo","Roony"]
],
[
r"who (.*) (moviestar|actor)?",
["Brad Pitt"]
],
[
r"quit",
["BBye take care. See you soon :) ","It was nice talking to you. See you soon :)"]
],
]
def chatty():
print("Hi, I'm Chatty and I chat alot ;)\nPlease type lowercase English language to start a conversation. Type quit to leave ") #default message at the start
chat = Chat(pairs, reflections)
chat.converse()
if __name__ == "__main__":
chatty()代码非常简单，但我们还是来理解一下。
一旦调用函数 chatty()，将显示默认消息：
接下来，我创建了一个包含pairs（包含问题和答案集合的元组列表）和reflections（如上所述）的 Chat 类实例。
下一步是触发对话：
chat.converse()一个简单的对话：
与 Chatty 的简单对话
正如你所见，我们只是将可能的问题和答案硬编码到列表 pairs 中。
让我们更多地与 Chatty 互动：
与 Chatty 的简单对话
nltk.chat 聊天机器人基于问题中存在的关键字的正则表达式工作。所以你可以添加任何数量的按正确格式编写的问题，以避免你的聊天机器人在确定正则表达式时感到困惑。
在这篇博客中，我用简单的步骤解释了如何使用 NLTK 构建自己的聊天机器人，当然它不是一个智能聊天机器人。
希望大家喜欢阅读。
快乐学习!!!
如有疑问/建议，请通过LinkedIn与我联系。
**简介: 纳吉什·辛格·乔汉**是 CirrusLabs 的一名大数据开发人员。他在电信、分析、销售、数据科学等多个领域拥有超过 4 年的工作经验，并在各种大数据组件方面有专长。
原文。已获得许可重新发布。
相关：
-
如果聊天机器人要成功，它们需要这个
-
认识 Lucy：创建聊天机器人原型
-
机器如何理解我们的语言：自然语言处理简介
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持你的组织的 IT 需求