Chat

Chatbot based on natural language understanding and machine learning.

基于自然语言理解与机器学习的聊天机器人

这就是 Chat

Chat 是一个基于自然语言理解与机器学习的语义理解库。
Chat 提供丰富的语义分析工具与语义知识图的构建工具，非常适合从0开始迅速搭建自己的聊天机器人，也能够减少工程师在实际开发当中的重复工作。
Chat 非常易于修改和扩展，可以方便地个性化定制。
Chat 支持多用户并发及自定义的多轮对话场景。

如果您有如下需求，欢迎选择 Chat：

想从0开始迅速搭建自己的聊天机器人
想了解自然语言处理与机器学习算法在问答中的应用
想智能化生活工作，提升效率
对知识图谱以及 KBQA 感兴趣，想从0开始构建自己的知识图谱

Chat适用的Python版本是：Python 3.3-3.6

Installation 安装

pip install --upgrade chat

Tutorial 快速开始

Step 1 在终端中启动数据库

(推荐)方式1：直接使用 chat/tests/nlu.db 这个已经初始化的数据库

使用方法：对于安装版的 neo4j 手选 nlu.db 所在路径进行连接；对于免安装版本的将 nlu.db 放到 neo4j/data/databases/ 目录下并修改 neo4j/conf/neo4j.conf 文件中

# The name of the database to mount
dbms.active_database=nlu.db

已经包含了3个用户及其知识库配置，具体的用户信息可直接查看数据库 User 或者 chat/tests/test_user.txt

说明：chat/tests/ 目录下的示例知识库：

chat.xls 基础问答（命令+闲聊）
chat_bank.xls 银行业务（里面有一个详细的自定义多轮对话示例以及两个单节点场景示例）
chat_hospital.xls 医院事务（业务问答）

方式2：需自定义数据库，将其密码设为'train'

若要修改密码：可在 chat/conf/self.conf 中修改 [neo4j] 选项 password)

neo4j start

Step 2 初始化语义知识库

2.1 启动语义服务器并保持（详见 chat/tests/test_server.py，可命令行运行 python test_server.py）

启动前请将 chat/conf/self.conf 中 [path] 下的 log（问答日志）和 do_not_know（回答不了的问题日志）修改为自己的路径

from chat import server

server.start()

2.2 导入测试知识库（若 Step 1 中使用 chat/tests/nlu.db 则直接进入 Step 3）（详见 chat/tests/test_graph.py，可命令行运行 python test_graph.py）

from chat.graph import Database

# 初始化实例的时候若指定 userid 参数则会被导入 userid 对应用户，若不指定则导入通用用户
kb = Database(password='train')
kb.reset(filename='chat.xls')

Step 3 开始聊天

（推荐）方式1：启动语义客户端（详见 chat/tests/test_client.py，可命令行运行 python test_client.py）

可同时独立运行多个客户端，各个客户端的场景对话不会相互影响。

推荐使用已经提供的 test_client_bank.py 和 test_client_hospital.py 测试

from chat import client

# userid 和 key 可在已有的3个测试用户中选或者自己添加
client.start(userid="您的 userid", key="您的 key")

方式2：使用 chat.qa 子模块

from chat.qa import Robot
from chat.config import getConfig

robot = Robot(password=getConfig("neo4j", "password"))
result = robot.search(question="您的自定义问题", userid="您的 userid", key="您的 key")
answer = result['content']
print(answer)

Chat 的设计原则

用户友好：用户的使用体验始终是我们考虑的首要和中心内容。Chat 遵循减少认知困难的最佳实践：Chat 提供一致而简洁的 API，能够极大减少一般应用下用户的工作量，同时，Chat 提供清晰和具有实践意义的 Bug 反馈。
模块性：完全独立可配置的模块可以用最少的代价自由组合在一起，您可以使用它们来构建自己的模块。
易扩展性：添加新模块超级容易，只需要仿照现有的模块编写新的类或函数即可。创建新模块的便利性使得 Chat 更适合于快速开发。
知识图谱：基于图数据库的知识图表达提供了更快的搜索速度与智能。

您可以在 Read the docs 中阅读官方中文文档。

如果您阅读在线中文文档时有什么问题，您可以在 Github 上下载这个项目，然后去 /docs/build/html/index.html 阅读离线中文文档。

非常感谢各位 Github 小伙伴的贡献

代码贡献

建议贡献

TimLoveFreedom 具体内容：分享支持

zheyang0715 具体内容：chat.semantic.synonym_cut 句尾标点符号过滤

zhengxijiang 具体内容：chat.server 场景并发中 robot 实例化

文档贡献

Mirza Zulfan 具体内容：设计 chat LOGO

如果想了解更多，也欢迎扫二维码加我微信分享交流。

关于作者：Decalogue

Decalogue/chat

Decalogue

Reviews

Repository Details