ChatterBot+第三方中文语料库实现在线聊天机器人

ChatterBot是Python自带的基于机器学习的语音对话引擎，可以基于已知的对话库来产生回应。ChatterBot独特的语言设计可以使它可以通过训练来用任何一种语言进行对话。该项目的开源代码链接：https://github.com/gunthercox/ChatterBot

ChatterBot包含的工具有助于简化训练聊天机器人实例的过程。ChatterBot的训练过程涉及将示例对话框加载到聊天机器人的数据库中。这可以创建或构建代表已知语句和响应集的图数据结构。当一个聊天机器人训练师被提供一个数据集时，它会在聊天机器人的知识图中创建必要的条目，以便正确表示语句输入和响应。

chatterbot.trainers.ListTrainer(storage, **kwargs)

允许使用对话字符串列表来训练ChatBot。

对于训练过程，需要传递一个语句列表，其中每个语句的顺序基于其在给定对话中的位置。

例如，如果你使用如下语言进行训练，则当你输入Hi there!或者Greetings!的时候机器人会回复你Hello。

from chatterbot import ChatBot
from chatterbot.trainers import ListTrainer

chatterbot = ChatBot("Training Example")
chatterbot.set_trainer(ListTrainer)

chatterbot.train([
    "Hi there!",
    "Hello",
])

chatterbot.train([
    "Greetings!",
    "Hello",
])

还可以提供更长的训练对话清单。这将在列表中建立每个项目作为响应。

chatterbot.train([
    "How are you?",
    "I am good.",
    "That is good to hear.",
    "Thank you",
    "You are welcome.",
])

大佬整理的语料库地址：https://github.com/codemayq/chinese_chatbot_corpuszheng

chatterbot自带的语料库可以通过以下代码来实现，不需要额外下载：

from chatterbot.trainers import ChatterBotCorpusTrainer

chatterbot = ChatBot("Training Example")
chatterbot.set_trainer(ChatterBotCorpusTrainer)

chatterbot.train(
    "chatterbot.corpus.english"
)

我选择了语料数量较少的xiaohuangji语料库：https://github.com/candlewill/Dialog_Corpus

首先下载未分词的语料库

下载解压后将后缀改为.txt

打开后是这样的：

接下来就是把txt文件按行读取并存入列表中，注意要跳过’E’那一行，并且把每句话开头的’Mn’去掉

具体代码为：

#导入语料库
file = open("./corpus/xiaohuangji50w_nofenci.txt",'r',encoding='utf-8')
corpus = []
print('开始加载语料！')
while 1:
    try:
        line = file.readline()
        if not line:
         break
        if line == 'En':
            continue
        corpus.append(line.split('M ')[1].strip('n'))
    except:
        pass
file.close()
print('语料加载完毕')

处理后效果：

如果出现下面的报错，在将line.split('M ')[1].strip('n')存入corpus列表前print(line.split('M ')[1].strip('n'))就好了

我们取前10000条语料进行训练my_bot.train(corpus[:10000])

my_bot = ChatBot("xiaohuangji")
my_bot.set_trainer(ListTrainer)
print('开始训练！')
my_bot.train(corpus[:10000])
print('训练完毕！')
while True:
    print(my_bot.get_response(input("user:")))

由于第一次使用ChatterBot,也没有过多的时间去研究,还不知道怎么直接训练.tsv文件，于是采取直接读取txt，然后通过列表数据进行训练chatterbot.trainers.ListTrainer(storage, **kwargs)。

经过实践该种方法在训练大量语料时很慢,训练10000条语料后的回答时间大概在一分钟，不过回答的质量是高于chattbot提供的560条中文语料训练的结果的。

[ ChatterBot聊天机器人 ] ChatterBot训练数据以及使用三方语料库训练数据

[两种开源聊天机器人的性能测试（一）——ChatterBot]