当你在搜索引擎中输入“如何建立聊天机器人？” 时，你可能会发现 ChatterBot 这款基于机器学习（machine learning）、对话引擎（conversational dialog engine）来创建聊天的机器人（chat bots）。

ChatterBot 的工作方式

Image source: ChatterBot

在本文中，我们将介绍如何仅在5分钟内使用ChatterBot构建聊天机器人。

准备

首先下载 ChatterBot：

pip install ChatterBot

创建文件并命名为 chat.py：

#import ChatBot
from chatterbot import ChatBot

传经一个新的聊天机器人并为其赋予一个名字（我使用的名字是 “Candice”）：

bot = ChatBot('Candice')

您的机器人已创建，但此时您的机器人尚不了解，因为您必须对它进行基于一定数据的训练。

PS：默认情况下，ChatterBot 库将创建一个 Sqlite 数据库来建立一些聊天语句。

对机器人进行数据训练

#import ListTrainer
from chatterbot.trainers import ListTrainer

bot.set_trainer(ListTrainer)
# Training 
bot.train(['What is your name?', 'My name is Candice'])
bot.train(['Who are you?', 'I am a bot, created by you' ])

您的机器人现已接受 2 条陈述的训练。当您问您的机器人 What is your name? 时，它会以“我的名字叫 My name is Candice 答复。

您还可以对多个语句进行训练，例如：

bot.train(['Do you know me?', 'Yes, you created me', 'No', 'Sahil?', 'No idea'])

如您所见，很难在每个语句上训练机器人。因此，我们将使用 ChatterBotCorpusTrainer 在大型数据集上训练我们的机器人：

from chatterbot.trainers import ChatterBotCorpusTrainer
# Create a new trainer for the chatbot
trainer = ChatterBotCorpusTrainer(bot)

# Train the chatbot based on the english corpus
trainer.train("chatterbot.corpus.english")

# Get a response to an input statement
chatbot.get_response("Hello, how are you today?")

或者您可以下载不同语言的数据集。并通过您选择的语言对其进行训练。

假设我们加载完成英语模式的训练集后，我们可以像这样训练我们的机器人：

for files in os.listdir('./english/'):
    data=open('./english/'+files,'r').readlines()
    bot.train(data)

注意：确保数据集和程序文件在同一文件夹中，否则请编辑路径。

聊天特征

# To exit say "Bye"
while True:
        # Input from user
    message=input('\t\t\tYou:')
        #if message is not "Bye"
    if message.strip()!='Bye':
        reply=bot.get_response(message)
        print('Candice:',reply)
        # if message is "Bye"
    if message.strip()=='Bye':
        print('Candice: Bye')
        break

让我们尝试在终端跑一下代码：

python chat.py

他会先对机器人进行训练，然后您可以和其进行聊天。

源码

#import libraries
from chatterbot import ChatBot
from chatterbot.trainers import ListTrainer
import os

#Create a chatbot
bot=ChatBot('Candice')
bot.set_trainer(ListTrainer)

#training on english dataset
for files in os.listdir('./english/'):
    data=open('./english/'+files,'r').readlines()
    bot.train(data)

#chat feature
while True:
    message=input('\t\t\tYou:')
    if message.strip()!='Bye':
        reply=bot.get_response(message)
        print('Candice:',reply)
    if message.strip()=='Bye':
        print('Candice: Bye')
        break