机器人 Chatterbot 自定义适配器api 重写can_process方法 process方法来实现自定义适配器

最新推荐文章于 2024-08-16 18:23:03 发布

置顶 Hou_Monkey

最新推荐文章于 2024-08-16 18:23:03 发布

阅读量1k

点赞数 1

分类专栏： chatterbot Django 文章标签： django python chatterbot 后端 drf

本文链接：https://blog.youkuaiyun.com/hou9876543210/article/details/121929220

版权

Django 同时被 2 个专栏收录

10 篇文章

订阅专栏

chatterbot

2 篇文章

订阅专栏

人工智能聊天机器人实现的技术途径大约可分为以下2种：

1 属于调用第三方，也就是说核心代码和数据库中数据不掌握在自己手里（X灵机器人啥的）

2 属于开源框架，也就是说我们可以下载其源码，采用，相对快速的自己搭建一个聊天机器人，核心代码和数据库都掌握在自己手里（chatterbot 等就用过这个其他不感评论啊）（哈哈 …感觉和没说一样）

分享下自己工作中的微信聊天机器人中后台chatterbot+django+drf 框架搭建下面表述下自己的心得

安装后chatterbot django django_rest_framework (之前工作用的的)

我们网上百度的chatterbot 一般都是创建机器人学习语言发送命令得到相应例如下面（其中get_response这个方法里面有很多方法之前的调用感兴趣的可以点进去看下源码）

from chatterbot import ChatBot
from chatterbot.trainers import ChatterBotCorpusTrainer
chatbot = ChatBot('Hou')  # 创建机器人
trainer = ChatterBotCorpusTrainer(chatbot)  # 生成训练机器人一个对象
trainer.train("chatterbot.corpus.english")  # 用英文 你可以改成 chinese
print(chatbot.get_response('hi'))
print(chatbot.get_response('1+1'))

流程所谓的适配器是 get_response(“测测”)走chatterbot中里面嵌套的有can_process（self, statement）：方法这里面可以运用一些正则来匹配一些命令中间获取你所用的适配器 confidence 越高越优先进匹配到的适配器 …然后进入process(self, statement, additional_response_selection_parameters=None):方法编写你的业务逻辑得到你想要的结果 renturn Statement(text=XXX) 其中text属性赋值你想要的东西是返回的结果

url.py中定义一个路由

    url(r'testbot', TestBotApiView.as_view(), name='TestBot')

views.py post

 方法中 代码
 class TestBotApiView(View):
	     chatterbot = ChatBot(**settings.TESTBOT)#(适配器在setting中配置)
		 def post(self, request, *args, **kwargs):
	 		 statement = Statement(text=input_data['text'])
	       	 response = self.chatterbot.get_response(statement)
	        response_data = response.serialize()

settings.py

TESTBOT = {
    'name': '小猴',
    'django_app_name': 'django_chatterbot',
    'logic_adapters': [
        {
            'import_path': 'Adapter.MyLogicAdapter',
        },
        'chatterbot.logic.BestMatch',
    ],
    'read_only': 'True',
}

Adapters.py

 	class MyLogicAdapter(LogicAdapter):
	    def __init__(self, chatbot, **kwargs):
	        super().__init__(chatbot, **kwargs)
	     def can_process(self, statement):
	        if "测试" == statement.text:
	            return True
	        else:
	            return False
	      def process(self, statement, additional_response_selection_parameters=None):
		        """
		        返回 结果
		        """
		        mes="测试"
		        confidence=1 # 响应度
		        response_statement = Statement(text=)
        		response_statement.confidence = confidence
     		   return response_statement

有什么问题可以评论或者私聊相互学习啊