【前言】
AI
在人工智能进展的如火如荼的今天,我们如果不尝试去接触新鲜事物,马上就要被世界淘汰啦~
本文拟使用Python开发语言实现类似于WIndows平台的“小娜”,或者是IOS下的“Siri”。最终达到人机对话的效果。
【实现功能】
这篇文章将要介绍的主要内容如下:
1、搭建人工智能--人机对话服务端平台
2、实现调用服务端平台进行人机对话交互
【实现思路】
AIML
AIML由Richard Wallace发明。他设计了一个名为 A.L.I.C.E. (Artificial Linguistics Internet Computer Entity 人工语言网计算机实体) 的机器人,并获得了多项人工智能大奖。有趣的是,图灵测试的其中一项就在寻找这样的人工智能:人与机器人通过文本界面展开数分钟的交流,以此查看机器人是否会被当作人类。
本文就使用了Python语言调用AIML库进行智能机器人的开发。
本系统的运作方式是使用Python搭建服务端后台接口,供各平台可以直接调用。然后客户端进行对智能对话api接口的调用,服务端分析参数数据,进行语句的分析,最终返回应答结果。
当前系统前端使用HTML进行简单地聊天室的设计与编写,使用异步请求的方式渲染数据。
【开发及部署环境】
开发环境:Windows 7 ×64 英文版
JetBrains PyCharm 2017.1.3 x64
测试环境:Windows 7 ×64 英文版
【所需技术】
1、Python语言的熟练掌握,Python版本2.7
2、Python服务端开发框架tornado的使用
3、aiml库接口的简单使用
4、HTML+CSS+Javascript(jquery)的熟练使用
5、Ajax技术的掌握
【实现过程】
1、安装Python aiml库
pip install aiml
2、获取alice资源
Python aiml安装完成后在Python安装目录下的 Lib/site-packages/aiml下会有alice子目录,将此目录复制到工作区。
或者在Google code上下载alice brain: aiml-en-us-foundation-alice.v1-9.zip
3、Python下加载alice
取得alice资源之后就可以直接利用Python aiml库加载alice brain了:
- import aiml
- os.chdir('./src/alice') # 将工作区目录切换到刚才复制的alice文件夹
- alice = aiml.Kernel()
- alice.learn("startup.xml")
- alice.respond('LOAD ALICE')
注意加载时需要切换工作目录到alice(刚才复制的文件夹)下。
如果你觉得这篇文章看起来稍微还有些吃力,或者想要系统地学习人工智能,那么推荐你去看床长人工智能教程。非常棒的大神之作,教程不仅通俗易懂,而且很风趣幽默。
4、 与alice聊天
加载之后就可以与alice聊天了,每次只需要调用respond接口:
alice.respond('hello') #这里的hello即为发给机器人的信息
5. 用Tornado搭建聊天机器人网站
Tornado可以很方便地搭建一个web网站的服务端,并且接口风格是Rest风格,可以很方便搭建一个通用的服务端接口。
这里写两个方法:
get:渲染界面
post:获取请求参数,并分析,返回聊天结果
Class类的代码如下:
- class ChatHandler(tornado.web.RequestHandler):
- def get(self):
- self.render('chat.html')
-
- def post(self):
- try:
- message = self.get_argument('msg', None)
-
- print(str(message))
-
- result = {
- 'is_success': True,
- 'message': str(alice.respond(message))
- }
-
- print(str(result))
-
- respon_json = tornado.escape.json_encode(result)
-
- self.write(respon_json)
-
- except Exception, ex:
- repr(ex)
- print(str(ex))
-
- result = {
- 'is_success': False,
- 'message': ''
- }
-
- self.write(str(result))
6. 简单搭建一个聊天界面
该界面是基于BootStrap的,我们简单搭建这么一个聊天的界面用于展示我们的接口结果。同时进行简单的聊天。
6. 接口调用
我们异步请求服务端接口,并将结果渲染到界面
- $.ajax({
- type: 'post',
- url: AppDomain+'chat',
- async: true,//异步
- dataType: 'json',
- data: (
- {
- "msg":request_txt
- }),
- success: function (data)
- {
- console.log(JSON.stringify(data));
- if (data.is_success == true) {
- setView(resUser,data.message);
- }
- },
- error: function (data)
- {
- console.log(JSON.stringify(data));
- }
- });//end Ajax
这里我附上系统的完整目录结构以及完整代码->
7、目录结构
8、Python服务端代码
View Code
9、Html前端代码
View Code
【系统测试】
1、首先我们将我们的服务运行起来
2、调用测试
然后我们进行前台界面的调用
这里我们可以看到,我们的项目完美运行,并且达到预期效果。
【可能遇到问题】
中文乱码
【系统展望】
经过测试,中文目前不能进行对话,只能使用英文进行对话操作,有待改善