主动聊天示例

聊天1：

user: 在吗？bot: 在user: 在干嘛呢？bot: 看电视user: 看啥电视呀bot: 活色生香user: 很难看吗？bot: 特搞笑user: 你在哪里呀？bot: 家里user: 家里就你一个人嘛？bot: 我喜爱一个人玩user: 那我过去找你？bot: 不能够，乖乖下班去

聊天2：

Q: 在吗？A: 在Q: 干嘛呢？A: 没事Q: 陪我去逛街嘛？A: 嗯Q: 你在打游戏？A: 没有Q: 那去不去？A: 去

这是基于200万聊天记录训练进去的，你能够用本人和女朋友的记录训练了试试成果 :P

至于微信机器人怎么用，你能够 GitHub 搜搜看哈

我的项目阐明

chatbot 是一个通过已知对话数据集疾速生成答复的 Go 问答引擎。

为啥会有 chatbot 我的项目呢？

好多年前，当咱们须要一个聊天机器人的时候，我是先用了 ChatterBot，然而应用下来，咱们的1.2亿对话语料训练后的模型答复一个问题须要21秒左右，切实没法承受。认真看了 ChatterBot 源码之后，我用 Go 从新实现了一个，并用 go-zero 的 MapReduce 框架做了并行优化，后果咱们一个答复均匀耗时大略18毫秒。

国庆假期，我有点闲暇工夫，所以就把这个我的项目整顿了开源进去，一是给大家一个理论的 go-zero 的 MapReduce 示例；二是也提供大家一个闲聊机器人的我的项目玩玩。

BTW：后续我可能会开源智能客服机器人的我的项目，能够关注我的github:

https://github.com/kevwan

代码目录和命令行应用阐明

bot

问答引擎，能够自定义本人的匹配算法

cli

  • train

    训练给定的问答数据并生成 .gob 文件

    • -d 读取指定目录下所有 json 和 yaml 语料文件
    • -i 读取指定的 json 或 yaml 语料文件，多个文件用逗号宰割
    • -o 指定输入的 .gob 文件
    • -m 定时打印内存应用状况

  • ask

    一个示例的问答命令行工具

    • -v verbose
    • -c 训练好的 .gob 文件
    • -t 数据几个可能的答案

数据格式

如果你有语料数据，能够自行整顿用来训练。

数据格式能够通过 yaml 或者 json 文件提供，参考 https://github.com/kevwan/chatterbot-corpus 里的格局。大抵如下：

categories:- AIconversations:- - 什么是ai  - 人工智能是工程和迷信的分支,致力于构建具备思维的机器。- - 你是什么语言编写的  - Python- - 你听起来像机器  - 是的,我受到造物者的启发- - 你是一个人工智能  - 那是我的名字。

致谢

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

go-zero 的 core/mr 包的 MapReduce 实现使 chatbot 的答复效率失去了微小的晋升！

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

最早我是应用 ChatterBot 的，但因为答复太慢，所有起初只能本人实现了，感激 ChatterBot，十分棒的我的项目！

我的项目地址

https://github.com/kevwan/chatbot

欢送应用并 star 反对！