[[427589]]

自動聊天示例

這是基于200萬聊天記錄訓練出來的，你可以用自己和女朋友的記錄訓練了試試效果 :stuck_out_tongue:

至于微信機器人怎么用，你可以 GitHub 搜搜看哈

聊天1：

user: 在嗎？ 
bot: 在 
user: 在干嘛呢？ 
bot: 看電視 
user: 看啥電視呀 
bot: 活色生香 
user: 很好看嗎？ 
bot: 特搞笑 
user: 你在哪里呀？ 
bot: 家里 
user: 家里就你一個人嘛？ 
bot: 我喜歡一個人玩 
user: 那我過來找你？ 
bot: 不可以，乖乖上班去 

聊天2：

Q: 在嗎？ 
A: 在 
Q: 干嘛呢？ 
A: 沒事 
Q: 陪我去逛街嘛？ 
A: 嗯 
Q: 你在打游戲？ 
A: 沒有 
Q: 那去不去？ 
A: 去 

項目說明

chatbot 是一個通過已知對話數(shù)據(jù)集快速生成回答的 Go 問答引擎。

為啥會有 chatbot 項目呢？

好多年前，當我們需要一個聊天機器人的時候，我是先用了 ChatterBot ，但是使用下來，我們的1.2億對話語料訓練后的模型回答一個問題需要21秒左右，實在沒法接受。仔細看了 ChatterBot 源碼之后，我用 Go 重新實現(xiàn)了一個，并用 go-zero 的 MapReduce 框架做了并行優(yōu)化，結(jié)果我們一個回答平均耗時大概18毫秒。

國慶假期，我有點空閑時間，所以就把這個項目整理了開源出來，一是給大家一個實際的 go-zero 的 MapReduce 示例；二是也提供大家一個閑聊機器人的項目玩玩。

BTW：后續(xù)我可能會開源智能客服機器人的項目，可以關(guān)注我的github:

https://github.com/kevwan

代碼目錄和命令行使用說明

bot

問答引擎，可以自定義自己的匹配算法

cli

• train

  訓練給定的問答數(shù)據(jù)并生成 .gob 文件

  • -d 讀取指定目錄下所有 json 和 yaml 語料文件
  • -i 讀取指定的 json 或 yaml 語料文件，多個文件用逗號分割
  • -o 指定輸出的 .gob 文件
  • -m 定時打印內(nèi)存使用情況

• ask

  一個示例的問答命令行工具

  • -v verbose
  • -c 訓練好的 .gob 文件
  • -t 數(shù)據(jù)幾個可能的答案

數(shù)據(jù)格式

如果你有語料數(shù)據(jù)，可以自行整理用來訓練。

數(shù)據(jù)格式可以通過 yaml 或者 json 文件提供，參考 https://github.com/kevwan/chatterbot-corpus 里的格式。大致如下：

categories: 
- AI 
conversations: 
- - 什么是ai 
  - 人工智能是工程和科學的分支,致力于構(gòu)建具有思維的機器。 
- - 你是什么語言編寫的 
  - Python 
- - 你聽起來像機器 
  - 是的,我受到造物者的啟發(fā) 
- - 你是一個人工智能 
  - 那是我的名字。 

致謝

go-zero - https://github.com/zeromicro/go-zero

go-zero 的 core/mr 包的 MapReduce 實現(xiàn)使 chatbot 的回答效率得到了巨大的提升！

ChatterBot - https://github.com/gunthercox/ChatterBot

最早我是使用 ChatterBot 的，但由于回答太慢，所有后來只能自己實現(xiàn)了，感謝 ChatterBot ，非常棒的項目！

項目地址

https://github.com/kevwan/chatbot