个人中心
gpt4 book ai didi

使用Python AIML搭建聊天机器人的方法示例

转载 作者：qq735679552 更新时间：2022-09-27 22:32:09 25 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章使用Python AIML搭建聊天机器人的方法示例由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

AIML全名为Artificial Intelligence Markup Language（人工智能标记语言），是一种创建自然语言软件代理的XML语言，是由RichardS. Wallace 博士和Alicebot开源软件组织于1995-2000年间发明创造的。AIML是一种为了匹配模式和确定响应而进行规则定义的 XML 格式.

AIML的设计目标如下:

  1. AIML应当为大众所易学易会。
  2. AIML应当使最小的概念得以编码使之基于L.I.C.E支持一种刺激-响应学科系统组件。
  3. AIML应当兼容XML。
  4. 书写AIML可处理程序文件应当简单便捷。
  5. AIML对象应当对人而言具有良好的可读性和清晰度。
  6. AIML的设计应当正式而简洁。
  7. AIML应当包含对其他语言的依附性。

关于AIML详细的初级读物，可翻阅Alice Bot's AIML Primer。你同样可以在AIML Wikipedia page了解更多 AIML 的内容以及它能够做什么。借助 Python 的 AIML 包，我们很容易实现人工智能聊天机器人.

1、安装Python aiml库 。

?
1
pip install aiml

2、获取alice资源 。

Python aiml安装完成后在Python安装目录下的 Lib/site-packages/aiml下会有alice子目录，这个是系统自带的一个简单的语料库.

3、Python下加载alice 。

取得alice资源之后就可以直接利用Python aiml库加载alice brain了.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# -*- coding: utf-8 -*-
import aiml
import sys
import os
 
 
def get_module_dir(name):
   path = getattr (sys.modules[name], '__file__' , None )
   if not path:
     raise AttributeError( 'module %s has not attribute __file__' % name)
   return os.path.dirname(os.path.abspath(path))
 
 
alice_path = get_module_dir( 'aiml' ) + '/alice'
#切换到语料库所在工作目录
os.chdir(alice_path)
 
alice = aiml.Kernel()
alice.learn( "startup.xml" )
alice.respond( 'LOAD ALICE' )
 
while True :
print alice.respond( raw_input ( "Enter your message >> " ))

上述流程非常的简单，接下来我们要自己从0开始创建自己的机器人.

创建标准启动文件 。

标准的做法是，创建一个名为std-startup.xml的启动文件，作为加载AIML文件的主入口点。在这个例子中，我们将创建一个基础的文件，它匹配一个模式，并且返回一个相应。我们想要匹配模式load aiml b，然后让它加载我们的aiml大脑作为响应。我们将在一步内创建basic_chat.aiml文件.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
< aiml version = "1.0.1" encoding = "UTF-8" >
   <!-- std-startup.xml -->
 
   <!-- Category是一个自动的AIML单元 -->
   < category >
 
     <!-- Pattern用来匹配用户输入 -->
     <!-- 如果用户输入 "LOAD AIML B" -->
     < pattern >LOAD AIML B</ pattern >
 
     <!-- Template是模式的响应 -->
     <!-- 这里学习一个aiml文件 -->
     < template >
       < learn >basic_chat.aiml</ learn >
       <!-- 你可以在这里添加更多的aiml文件 -->
       <!--<learn>more_aiml.aiml</learn>-->
     </ template >
 
   </ category >
 
</ aiml >

创建一个AIML文件 。

在上面，我们创建的AIML文件只能处理一个模式:load aiml b。当我们向机器人输入那个命令时，它将会尝试加载basic_chat.aiml。除非我们真的创建了它，否则无效。下面是你可以写进basic_chat.aiml的内容。我们将匹配两个基本的模式和响应.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
< aiml version = "1.0.1" encoding = "UTF-8" >
<!-- basic_chat.aiml -->
< aiml >
 
   < category >
     < pattern >HELLO</ pattern >
     < template >
       Well, hello!
     </ template >
   </ category >
 
   < category >
     < pattern >WHAT ARE YOU</ pattern >
     < template >
       I'm a bot, silly!
     </ template >
   </ category >
 
</ aiml >

随机响应 。

你也可以像下面这样添加随机响应。它将在接受到一个以”One time I”开头的消息的时候随机响应。*是一个匹配任何东西的通配符.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
< category >
   < pattern >ONE TIME I *</ pattern >
   < template >
     < random >
       < li >Go on.</ li >
       < li >How old are you?</ li >
       < li >Be more specific.</ li >
       < li >I did not know that.</ li >
       < li >Are you telling the truth?</ li >
       < li >I don't know what that means.</ li >
       < li >Try to tell me that another way.</ li >
       < li >Are you talking about an animal, vegetable or mineral?</ li >
       < li >What is it?</ li >
     </ random >
   </ template >
</ category >

使用已存在的AIML文件 。

编写你自己的AIML文件是一个很有趣的事，但是它将花费很大的功夫。我觉得它需要大概10,000个模式才会开始变得真实起来。幸运的是，ALICE基金会提供了大量免费的AIML文件。在Alice Bot website上浏览AIML文件.

测试新建的机器人 。

目前为止，所有 XML 格式的 AIML 文件都准备好了。作为机器人大脑的组成部分，它们都很重要，不过目前它们只是信息（information）而已。机器人需要活过来。你可以借助任何语言定制 AIML。这里还是使用Python.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# -*- coding: utf-8 -*-
import aiml
import os
 
 
mybot_path = './mybot'
#切换到语料库所在工作目录
os.chdir(mybot_path)
 
mybot = aiml.Kernel()
mybot.learn( "std-startup.xml" )
mybot.respond( 'load aiml b' )
 
while True :
   print mybot.respond( raw_input ( "Enter your message >> " ))

这是我们可以开始的最简单的程序。它创建了一个aiml对象，学习启动文件，然后加载剩余的aiml文件。然后，它已经准备好聊天了，而我们进入了一个不断提示用户消息的无限循环。你将需要输入一个机器人认识的模式。这个模式取决于你加载了哪些AIML文件。我们将启动文件作为一个单独的实体创建，这样，我们之后可以向机器人添加更多的aiml文件，而不需要修改任何程序源码。我们可以在启动xml文件中添加更多的可供学习的文件.

加速Brain加载 。

当你开始拥有很多AIML文件时，它将花费很长的时间来学习。这就是brain文件从何而来。在机器人学习所有的AIML文件后，它可以直接将它的大脑保存到一个文件中，这个文件将会在后续的运行中动态加速加载时间.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# -*- coding: utf-8 -*-
import aiml
import os
 
 
mybot_path = './mybot'
#切换到语料库所在工作目录
os.chdir(mybot_path)
 
mybot = aiml.Kernel()
 
if os.path.isfile( "mybot_brain.brn" ):
   mybot.bootstrap(brainFile = "mybot_brain.brn" )
else :
   mybot.bootstrap(learnFiles = "std-startup.xml" , commands = "load aiml b" )
   mybot.saveBrain( "mybot_brain.brn" )
 
while True :
   print mybot.respond( raw_input ( "Enter your message >> " ))

记住，如果你使用了上面写的brain方法，在运行的时候加载并不会将新增改变保存到brain中。你将需要删除brain文件以便于它在下一次启动的时候重建，或者需要修改代码，使得它在重新加载后的某个时间点保存brain.

增加Python命令 。

如果你想要为你的机器人提供一些特殊的运行Python函数的命令，那么，你应该为机器人捕获输入消息，然后在将它发送给mybot.respond()之前处理它。在上面的例子中，我们从raw_input中获得了用户的输入。然而，我们可以从任何地方获取输入。可能是一个TCP socket，或者是一个语音识别源码。在它进入到AIML之前处理这个消息。你可能想要在某些特定的消息上跳过AIML处理.

?
1
2
3
4
5
6
7
8
9
while True :
   message = raw_input ( "Enter your message >> " )
   if message = = "quit" :
     exit()
   elif message = = "save" :
     mybot.saveBrain( "bot_brain.brn" )
   else :
     bot_response = mybot.respond(message)
     # Do something with bot_response

会话与断言 。

通过指定一个会话，AIML可以为不同的人剪裁不同的会话。例如，如果某个人告诉机器人，他的名字是Alice，而另一个人告诉机器人他的名字是Bob，机器人可以区分不同的人。为了指定你所使用的会话，将其作为第二个参数传给respond() 。

?
1
2
sessionId = 12345
mybot.respond( raw_input ( ">>>" ), sessionId)

这对于为每一个客户端定制个性化的对话是很有帮助的。你将必须以某种形式生成自己的会话ID，并且跟踪它。注意，保存brain文件不会保存所有的会话值.

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
sessionId = 12345
 
# 会话信息作为字典获取. 包含输入输出历史，
# 以及任何已知断言
sessionData = mybot.getSessionData(sessionId)
 
# 每一个会话ID需要时一个唯一值。
# 断言名是机器人在与你的会话中了解到的某些/某个名字
# 机器人可能知道，你是"Billy"，而你的狗的名字是"Brandy"
mybot.setPredicate( "dog" , "Brandy" , sessionId)
clients_dogs_name = mybot.getPredicate( "dog" , sessionId)
 
mybot.setBotPredicate( "hometown" , "127.0.0.1" )
bot_hometown = mybot.getBotPredicate( "hometown" )

在AIML中，我们可以使用模板中的set响应来设置断言 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
< aiml version = "1.0.1" encoding = "UTF-8" >
   < category >
    < pattern >MY DOGS NAME IS *</ pattern >
    < template >
      That is interesting that you have a dog named < set name = "dog" >< star /></ set >
    </ template >
   </ category >
   < category >
    < pattern >WHAT IS MY DOGS NAME</ pattern >
    < template >
      Your dog's name is < get name = "dog" />.
    </ template >
   </ category >
</ aiml >

使用上面的AIML，你可以告诉机器人:

My dogs name is Max 。

而机器人会回答你:

That is interesting that you have a dog named Max 。

然后，如果你问机器人:

What is my dogs name？

机器人将会回答:

Your dog's name is Max. 。

aiml可以用来实现对话机器人，但是用于中文有以下问题:

  • 中文规则库较少。规则库相当于对话机器人的“大脑”，一般来说，规则库越丰富，对话机器人的应对就更像人。目前英文的规则库已经很丰富，涵盖面很广，而且是公开可获取的。但公开的中文规则库就基本没有。
  • AIML解释器对中文支持不好。实际上，Python下的Pyaiml模块（解析器）已经能比较好的支持中文，但是也存在以下问题：英文单词间一般都有空格或标点区分，因此具备一种“自然分词”特性，由于中文输入没有以空格分隔的习惯，以上会在实践中造成一些不便。比如要实现有/无空格的输入匹配，就需要在规则库中同时包含这两种模式。

解决方案:

  • 自己搭建语料库（比如从字幕文件中获取训练）
  • 自己中文分词工具(如jieba)

相关开源项目:

https://github.com/leo108/aliceCN https://github.com/messense/wechat-bot https://github.com/Program-O/Program-O 。

参考资料:

http://www.w3ii.com/aiml/aiml_introduction.html http://www.devdungeon.com/content/ai-chat-bot-python-aiml http://www.alicebot.org/documentation/aiml-reference.html 。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我.

原文链接：https://www.biaodianfu.com/python-aiml.html 。

最后此篇关于使用Python AIML搭建聊天机器人的方法示例的文章就讲到这里了,如果你想了解更多关于使用Python AIML搭建聊天机器人的方法示例的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

25 4 0
文章推荐： 解决python3中解压zip文件是文件名乱码的问题
文章推荐： 问道手游法宝洗练攻略 问道手游法宝怎么洗
文章推荐： Python爬虫工程师面试问题总结
文章推荐： 香肠派对怎么送东西 香肠派对送东西方法
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com