（一）图灵机器人API2.0接口构造聊天机器人

参考自：

（1）构造聊天机器人

https://www.jianshu.com/p/c3ebd99d6fc4

https://zhuanlan.zhihu.com/p/86681217

（2）Chatbot的前世今生

https://zhuanlan.zhihu.com/p/55201625

基于模板匹配模方法：

图灵机器人http://www.turingapi.com/

API接口教程https://www.kancloud.cn/turing/www-tuling123-com/718227

代码1：

from flask import Flask
import requests
app = Flask(__name__)
# 装饰器里面写的是访问路径
@app.route('/')
def hello_world():
    url = 'http://openapi.tuling123.com/openapi/api/v2'
    data_param = {
        'reqType': 0,
        'perception': {
            'inputText': {
                'text': '附近的酒店'
            },
            'inputImage': {
                'url': 'imageUrl'
            },
            'selfInfo': {
                'location': {
                    'city': '北京',
                    'province': '北京',
                    'street': '信息路'
                }
            }
        },
        'userInfo': {
#在上面提供的网址中注册登录获取你的机器人apikey,userId可以随便填写
            'apiKey': 'xxxxxxxxxxxxxxxxxxxxxx',
            'userId': 'xxxxxxxxxxxxxxxxxx'
        }
    }
    response = requests.post(url=url,json=data_param)
    print(response.text)
    return '贪心学院'
if __name__ == '__main__':
    app.run()

运行结果：

刷新 http://127.0.0.1:5000/

会得到返回的信息：

{'intent':{'code':4003},'results':[{'groupType':0,'resultType':'text','values':{'text':'在外住酒店，还是得小心点好哦~'}}]}

代码2：

from flask import Flask
app = Flask(__name__)
# 装饰器里面写的是访问路径
@app.route('/greedyai/<data>')
def hello_world(data):
    return data
if __name__ == '__main__':
    app.run()

运行结果：

代码3：

from flask import Flask
import requests
app = Flask(__name__)
# 装饰器里面写的是访问路径
@app.route('/greedyai/<data>')
def hello_world(data):
    if '帅' in data:
        return '大周老师'
    elif '线上' in data:
        return '线上课程为主'
    elif '助教' in data or '服务' in data:
        return '为提高服务质量，课程配有专业的助教老师'
    elif '基础' in data:
        return 'http://aijiaoai.greedyai.com/home'
    elif '优势' in data:
        return '这你都问，大周老师就是优势'
    elif '有效期' in data:
        return '只要你想学，我一直在你身边'
    else:
        return '哎哟，小主，我不懂你的意思'
if __name__ == '__main__':
    app.run()

然后跟上面的示例一样，在路径之后输入一句话，如果这一句话里面包含了某个关键词，那么就会输出相应的回复
这是部分输入的回复：

实例代码4：

from flask import Flask
import requests
app = Flask(__name__)
# 装饰器里面写的是访问路径
@app.route('/chat/<data>')
def hello_world(data):
    url = 'http://openapi.tuling123.com/openapi/api/v2'
    if '帅' in data:
        return '大周老师'
    elif '线上' in data:
        return '线上课程为主'
    elif '助教' in data or '服务' in data:
        return '为提高服务质量，课程配有专业的助教老师'
    elif '基础' in data:
        return 'http://aijiaoai.greedyai.com/home'
    elif '优势' in data:
        return '这你都问，大周老师就是优势'
    elif '有效期' in data:
        return '只要你想学，我一直在你身边'
    else:
                data_param = {
                'reqType': 0,
                'perception': {
                    'inputText': {
                        'text': 'data'
                    },
                    'inputImage': {
                        'url': 'imageUrl'
                    },
                    'selfInfo': {
                        'location': {
                            'city': '北京',
                            'province': '北京',
                            'street': '信息路'
                        }
                    }
                },
        'userInfo': {
            'apiKey': '6cdbed64eeb14e6ea453538622bc1d74',
            'userId': '582149'
        }
    }
    response = requests.post(url=url,json=data_param)
    print(response.text)
if __name__ == '__main__':
    app.run()

运行结果：

基于搜索的方法

用户输入 -> 检索模型 -> 输入

如何计算相似度（文本的向量表示）

余弦相似度

课程demo

import jieba
word_vector_list = ['我们', '来', '贪心', '学院', '学习', '人工智能', '和', 'python']# 词典
s1 = '我来贪心学院学习python'
s2 = '我学习人工智能'
s3 = 'Python课程的学习周期是多久'
question = 'Python学习多久'
# 第一种切分模式：精确模式，比较适合做文本分析,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut(s1))
print(s1_result_list)
# 全模式,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut(s1, cut_all=True))
print(s1_result_list)
# 搜索引擎模式,['我来', '贪心', '学院', '学习', 'python']
s1_result_list = list(jieba.cut_for_search(s1))
print(s1_result_list)
# 向量转换
import numpy as np
def get_vector(data):
    vector_list = []
    for i in word_vector_list:
        if i in list(jieba.cut(data)):
            vector_list.append(1)
        else:
            vector_list.append(0)
    print(data)
    print(vector_list)
    return np.array(vector_list).reshape(1, -1)
question_vector_list = get_vector(question)#输出：Python学习多久[0, 0, 0, 0, 1, 0, 0, 0]
s1_vector_list = get_vector(s1)            #输出：我来贪心学院学习python[0, 0, 1, 1, 1, 0, 0, 1]
s2_vector_list = get_vector(s2)            #输出：我学习人工智能[0, 0, 0, 0, 1, 1, 0, 0]
s3_vector_list = get_vector(s3)            #输出：Python课程的学习周期是多久[0, 0, 0, 0, 1, 0, 0, 0]
# 相似度计算
from sklearn.metrics.pairwise import cosine_similarity
# print(cosine_similarity([[1, 0, 1]], [[0, 0, 1]]))
print(cosine_similarity(question_vector_list, s1_vector_list))
print(cosine_similarity(question_vector_list, s2_vector_list))
print(cosine_similarity(question_vector_list, s3_vector_list))
#输出[[0.5]]，[[0.70710678]]，[[1.]]

作业

完成一个完整的项目，能够根据已有的语料库，自动根据输入去计算哪个答案最符合

import jieba
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
from flask import Flask
# 建立语料库
corpus = {
    'Python课程是线上课程还是线下课程？': '线上课程为主',
    'Python课程有助教吗？': '为提高服务效率和质量，课程都配备专业的全职助教。',
    '我没有基础应该从哪个课开始学？': '大周老师的Python基础集训营非常适合你哦，'
                       '可以在这里学习：http://aijiaoai.greedyai.com/info/5',
    'Python的学习周期是多久？': '如果你没有基础的话两个月可以搞定',
    'Python课程的学习方式是什么呢？': '无需安装环境，在线直接写代码、看视频、看漫画，趣味性学习',
    'Python课程的优势是什么呢？': '全网覆盖最全的Python基础知识体系练与学的深度结合，'
                        '每一个知识点都配有练习项目,生动有趣、授课方式多样，视频、文字、图片、在线代码编辑，'
                        '在聊天与娱乐中学习',
    'Python课程的有效期是多久呢？': '我们把有效期确定为1年，1年内可无限次学习',
    'Python课程有优惠吗？': '我们定价为开课后是599，现在是针对老学员预售199，开课后恢复原价'
}
# 建立词典，对于所有语料库中的问题进行jieba分词
all_question = ''
for question in corpus:
    all_question += question
dictionaries = list(set(jieba.cut(all_question)))  # 加上set是为了方便去重
# 单个词典转换为向量
def transform_vector(date):
    vector_list = []
    for wd in dictionaries:
        if wd in list(jieba.cut(date)):
            vector_list.append(1)
        else:
            vector_list.append(0)
    return np.array(vector_list).reshape(1, -1)  # .reshape(1,-1)是为了后期余弦计算
# 单个余弦相似度计算
def get_cosine(user_question, corpus_question):
    similar_list = cosine_similarity(transform_vector(user_question), transform_vector(corpus_question))
    similar_num = similar_list[0][0]  # 相似度
    return similar_num
# 计算语料库中的所有相似度
def get_corpus_consine(user_question):
    ori_question_dict = {}
    ori_answer_dict = {}
    similar_list = []  # 保存所有余弦值
    for key in corpus:
        similar_num = get_cosine(user_question, key)  # 获得余弦值
        similar_list.append(similar_num)  # 保存所有余弦值
        ori_question_dict[similar_num] = key  # 获取原问题并储存
        ori_answer_dict[similar_num] = corpus[key]  # 获取原答案并储存
    return similar_list, ori_question_dict, ori_answer_dict
# 得到最佳回答
def get_best_answer(similar_list, ori_question_dict, ori_answer_dict):
    max_similar = max(similar_list)
    if max_similar == 0: # 没有匹配项
        best_similar = 0
        best_question = '未检索到相似的问题'
        best_answer = '对不起，我听不懂你在说什么'
    else: # 返回值
        best_similar = max_similar
        best_question = ori_question_dict[max_similar]
        best_answer = ori_answer_dict[max_similar]
    return [best_similar, best_question, best_answer]
# 使用faslk,以接口的形式完成问答
app = Flask(__name__)
@app.route('/<user_question>')
def question_for_web(user_question):
    similar_list, ori_question_dict, ori_answer_dict = get_corpus_consine(user_question)  # 计算所有相似度
    res = get_best_answer(similar_list, ori_question_dict, ori_answer_dict)  # 得到最佳答案
    html_ = '<html><body>' \
            '<p>' \
            '<h2>问题：{}</h2>' \
            '</p>' \
            '<p>' \
            '<li>最高相似度：{}</li>' \
            '<li>最高相似度的问题：{}</li>' \
            '<h2>最佳回答为：{}</h2>' \
            '</p>' \
            '</body></html>'.format(user_question, res[0], res[1], res[2])
    return html_  # 返回html并写入网页
if __name__ == '__main__':
    app.run()

运行结果：