我用python编写了一个聊天机器人,该机器人可以连接到不和谐,并且能够完成一些任务。任务之一是查询特定计算机游戏的资源列表,并返回所查询资源的详细位置。 现在,我希望将功能尽可能无缝地集成到聊天中。所以我认为我可以使用NLP技术。
举个例子: 用户1想知道他/她在哪里可以找到资源“木材”。因此,他/她在不和谐的聊天中问:“我在哪里可以找到木头?”
我的程序现在应该能够将该问题识别为对资源位置的有效查询,并以资源“ wood”的位置进行响应。
这可能涉及几个步骤:
我对编程并不陌生,但是对NLP还是陌生的。另外,我还是深度学习的初学者/已经使用tensorflow / keras开发了RNN模型。
对于这个项目,我发现了nltk
和spaCy
,它们都是用于NLP的python模块。我已经了解到文本分析由几个不同的工作组成,并不是我的项目可能对所有这些工作都感兴趣。但是似乎令牌化和pos标记都可能引起人们的兴趣。但是以某种方式,我正在努力寻找一种可行的方法来完成这项任务。它已经从如何识别文本消息是否实际上是一个问题开始了。我的研究表明,这是NLP库无法提供的功能,通常使用经过预先训练的深度学习模型对这样的句子进行分类。
到目前为止我的想法:
1)逐句分析每个聊天消息
对句子进行标记,使用词干,然后使用pos标记,然后迭代所有标记以找出是否:
?
2)使用某种匹配,例如spaCy
基于规则的匹配
3)使用非NLP技术
如果其他所有事情都不可行/太复杂,我仍然可以提出一种硬编码方法,在该方法中,我将预定义几个问题类型,并在聊天消息中对它们的出现进行字符串搜索,然后尝试手动提取资源名称通过使用字符串操作。
这可能是最容易出错且最不灵活的解决方案,但我会保留它作为后备。
当然,我确实想实现一个尽可能灵活的解决方案,以便它可以检测各种形式和类型的问题,而无需事先对所有可能的问题类型进行硬编码。它应尽可能接近“机器人只了解聊天并回答问题”。
有人可以指导我寻求一个好的解决方案吗? (不是要求完整的代码,而是要使用的技术/步骤/库)
也许作为旁注:在更高版本中,我想扩展功能。然后,其他用户可能会在不和谐聊天中命名资源的位置,并且如果该位置尚未包含,则漫游器应将该位置添加到其数据库中。因此,聊天对话可能看起来像:
User 1: Where can I find cryptonite?
User 2: It can be found in lex luthors lab
Bot: Shall I add "lex luthors lab" as location for resource "cryptonite"?
User 2: @bot: yes
Bot: Done.
答案 0 :(得分:1)
看来您基本上有一个意图 / 实体问题。
1)逐句分析每个聊天消息。 这可以通过意图分类解决。
2)使用某种匹配,例如基于spaCy规则的匹配 这可以通过实体提取来解决。
意图是对整个句子的分类。
例如,您可以有一个意图:find_resource
。
然后,您将需要将示例句子分类为find_resource
。
例如:
X = [
'Where can I find wood?',
'What is the location of wood?',
'Where do I find fire?',
'Give me the coordinates of lemons.',
'What is the best place to gather coal?',
'Do you know where I can find tomatoes?',
'Tell me a spot to collect wood.'
]
您可以训练神经网络来执行此分类任务,但是您可以首先尝试使用更简单的模型。好的机器学习库是scikit-learn,它提供了现成的传统机器学习分类方法。它还有一个feature_extraction.text
子程序包,用于处理文本。
# Training data
## X is the sample sentences
X = [
'Where can I find wood?',
'What is the location of wood?',
'Where do I find fire?',
'Give me the coordinates of lemons.',
'What is the best place to gather coal?',
'Do you know where I can find tomatoes?',
'Tell me a spot to collect wood.',
'How can I level up strength?',
'How do I train woodcutting?',
'Where can I practice my swimming skill?',
'Can I become better in running?',
'Where can I train my woodcutting skill?'
]
## y is the intent class corresponding to sentences in X
y = [
'find_resource',
'find_resource',
'find_resource',
'find_resource',
'find_resource',
'find_resource',
'find_resource',
'improve_skill',
'improve_skill',
'improve_skill',
'improve_skill',
'improve_skill'
]
# Define the classifier
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import SGDClassifier
from sklearn.pipeline import Pipeline
clf = Pipeline(
[
('tfidf', TfidfVectorizer()),
('sgd', SGDClassifier())
]
)
## Train the classifier
clf.fit(X, y)
# Test your classifier
## New sentences (that weren't in X and your model never seen before)
new_sentences = [
'What are the coordinates of wood?',
'Where can I find paper?',
'How can I improve woodcutting?',
'Where can I improve my jumping skill?'
]
predicted_intents = clf.predict(new_sentences)
print(predicted_intents)
> ['find_resource' 'find_resource' 'improve_skill' 'improve_skill']
实体提取是在句子中查找特定子字符串的任务。可以是location
,time
,person_name
等,也可以是resource_type
。
典型的训练数据如下:
X = [
'Where can I find [wood](resource_type)?',
'What is the location of [wood](resource_type)?',
'Where do I find [fire](resource_type)?',
'How can I level up [strength](skill_type)?',
'Where can I train my [woodcutting](skill_type) skill?'
]
实际上spaCy提供了最先进的模型。它具有预先训练的实体类型,但也允许您使用自定义实体(在您的情况下为resource_type
)对其进行扩展。
User 1: Where can I find cryptonite?
User 2: It can be found in lex luthors lab
Bot: Shall I add "lex luthors lab" as location for resource "cryptonite"?
User 2: @bot: yes
Bot: Done.
您可以将问题建模为:
意图:
X = [
'Where can I find cryptonite?'
'It can be found in lex luthors lab',
'yes'
]
y = [
'find_resource',
'provide_location',
'affirm'
]
实体:
X = [
'Where can I find [cryptonite](resource_type)?'
'It can be found in [lex luthors lab](location)',
'yes'
]
诀窍是让您弄清楚User 2
是否确实回复了User 1
。另外,您需要保持对话状态,但这取决于您使用的机器人框架。但是,这不再是NLP问题。