使用Python AIML搭建聊天機(jī)器人的方法示例

AIML全名為Artificial Intelligence Markup Language（人工智能標(biāo)記語言），是一種創(chuàng)建自然語言軟件代理的XML語言，是由RichardS. Wallace 博士和Alicebot開源軟件組織于1995-2000年間發(fā)明創(chuàng)造的。AIML是一種為了匹配模式和確定響應(yīng)而進(jìn)行規(guī)則定義的 XML 格式。

AIML的設(shè)計(jì)目標(biāo)如下：

1. AIML應(yīng)當(dāng)為大眾所易學(xué)易會(huì)。
2. AIML應(yīng)當(dāng)使最小的概念得以編碼使之基于L.I.C.E支持一種刺激-響應(yīng)學(xué)科系統(tǒng)組件。
3. AIML應(yīng)當(dāng)兼容XML。
4. 書寫AIML可處理程序文件應(yīng)當(dāng)簡單便捷。
5. AIML對象應(yīng)當(dāng)對人而言具有良好的可讀性和清晰度。
6. AIML的設(shè)計(jì)應(yīng)當(dāng)正式而簡潔。
7. AIML應(yīng)當(dāng)包含對其他語言的依附性。

關(guān)于AIML詳細(xì)的初級讀物，可翻閱Alice Bot's AIML Primer。你同樣可以在AIML Wikipedia page了解更多 AIML 的內(nèi)容以及它能夠做什么。借助 Python 的 AIML 包，我們很容易實(shí)現(xiàn)人工智能聊天機(jī)器人。

1、安裝Python aiml庫

pip install aiml

2、獲取alice資源

Python aiml安裝完成后在Python安裝目錄下的 Lib/site-packages/aiml下會(huì)有alice子目錄，這個(gè)是系統(tǒng)自帶的一個(gè)簡單的語料庫。

3、Python下加載alice

取得alice資源之后就可以直接利用Python aiml庫加載alice brain了。

# -*- coding: utf-8 -*-
import aiml
import sys
import os
 
 
def get_module_dir(name):
  path = getattr(sys.modules[name], '__file__', None)
  if not path:
    raise AttributeError('module %s has not attribute __file__' % name)
  return os.path.dirname(os.path.abspath(path))
 
 
alice_path = get_module_dir('aiml') + '/alice'
#切換到語料庫所在工作目錄
os.chdir(alice_path)
 
alice = aiml.Kernel()
alice.learn("startup.xml")
alice.respond('LOAD ALICE')
 
while True:
print alice.respond(raw_input("Enter your message >> "))

上述流程非常的簡單，接下來我們要自己從0開始創(chuàng)建自己的機(jī)器人。

創(chuàng)建標(biāo)準(zhǔn)啟動(dòng)文件

標(biāo)準(zhǔn)的做法是，創(chuàng)建一個(gè)名為std-startup.xml的啟動(dòng)文件，作為加載AIML文件的主入口點(diǎn)。在這個(gè)例子中，我們將創(chuàng)建一個(gè)基礎(chǔ)的文件，它匹配一個(gè)模式，并且返回一個(gè)相應(yīng)。我們想要匹配模式load aiml b，然后讓它加載我們的aiml大腦作為響應(yīng)。我們將在一步內(nèi)創(chuàng)建basic_chat.aiml文件。

<aiml version="1.0.1" encoding="UTF-8">
  <!-- std-startup.xml -->
 
  <!-- Category是一個(gè)自動(dòng)的AIML單元 -->
  <category>
 
    <!-- Pattern用來匹配用戶輸入 -->
    <!-- 如果用戶輸入 "LOAD AIML B" -->
    <pattern>LOAD AIML B</pattern>
 
    <!-- Template是模式的響應(yīng) -->
    <!-- 這里學(xué)習(xí)一個(gè)aiml文件 -->
    <template>
      <learn>basic_chat.aiml</learn>
      <!-- 你可以在這里添加更多的aiml文件 -->
      <!--<learn>more_aiml.aiml</learn>-->
    </template>
 
  </category>
 
</aiml>

創(chuàng)建一個(gè)AIML文件

在上面，我們創(chuàng)建的AIML文件只能處理一個(gè)模式:load aiml b。當(dāng)我們向機(jī)器人輸入那個(gè)命令時(shí)，它將會(huì)嘗試加載basic_chat.aiml。除非我們真的創(chuàng)建了它，否則無效。下面是你可以寫進(jìn)basic_chat.aiml的內(nèi)容。我們將匹配兩個(gè)基本的模式和響應(yīng)。

<aiml version="1.0.1" encoding="UTF-8">
<!-- basic_chat.aiml -->
<aiml>
 
  <category>
    <pattern>HELLO</pattern>
    <template>
      Well, hello!
    </template>
  </category>
 
  <category>
    <pattern>WHAT ARE YOU</pattern>
    <template>
      I'm a bot, silly!
    </template>
  </category>
 
</aiml>

隨機(jī)響應(yīng)

你也可以像下面這樣添加隨機(jī)響應(yīng)。它將在接受到一個(gè)以”O(jiān)ne time I”開頭的消息的時(shí)候隨機(jī)響應(yīng)。*是一個(gè)匹配任何東西的通配符。

  <category>
    <pattern>ONE TIME I *</pattern>
    <template>
      <random>
        <li>Go on.</li>
        <li>How old are you?</li>
        <li>Be more specific.</li>
        <li>I did not know that.</li>
        <li>Are you telling the truth?</li>
        <li>I don't know what that means.</li>
        <li>Try to tell me that another way.</li>
        <li>Are you talking about an animal, vegetable or mineral?</li>
        <li>What is it?</li>
      </random>
    </template>
  </category>

使用已存在的AIML文件

編寫你自己的AIML文件是一個(gè)很有趣的事，但是它將花費(fèi)很大的功夫。我覺得它需要大概10,000個(gè)模式才會(huì)開始變得真實(shí)起來。幸運(yùn)的是，ALICE基金會(huì)提供了大量免費(fèi)的AIML文件。在Alice Bot website上瀏覽AIML文件。

測試新建的機(jī)器人

目前為止，所有 XML 格式的 AIML 文件都準(zhǔn)備好了。作為機(jī)器人大腦的組成部分，它們都很重要，不過目前它們只是信息（information）而已。機(jī)器人需要活過來。你可以借助任何語言定制 AIML。這里還是使用Python。

# -*- coding: utf-8 -*-
import aiml
import os
 
 
mybot_path = './mybot'
#切換到語料庫所在工作目錄
os.chdir(mybot_path)
 
mybot = aiml.Kernel()
mybot.learn("std-startup.xml")
mybot.respond('load aiml b')
 
while True:
  print mybot.respond(raw_input("Enter your message >> "))

這是我們可以開始的最簡單的程序。它創(chuàng)建了一個(gè)aiml對象，學(xué)習(xí)啟動(dòng)文件，然后加載剩余的aiml文件。然后，它已經(jīng)準(zhǔn)備好聊天了，而我們進(jìn)入了一個(gè)不斷提示用戶消息的無限循環(huán)。你將需要輸入一個(gè)機(jī)器人認(rèn)識(shí)的模式。這個(gè)模式取決于你加載了哪些AIML文件。我們將啟動(dòng)文件作為一個(gè)單獨(dú)的實(shí)體創(chuàng)建，這樣，我們之后可以向機(jī)器人添加更多的aiml文件，而不需要修改任何程序源碼。我們可以在啟動(dòng)xml文件中添加更多的可供學(xué)習(xí)的文件。

加速Brain加載

當(dāng)你開始擁有很多AIML文件時(shí)，它將花費(fèi)很長的時(shí)間來學(xué)習(xí)。這就是brain文件從何而來。在機(jī)器人學(xué)習(xí)所有的AIML文件后，它可以直接將它的大腦保存到一個(gè)文件中，這個(gè)文件將會(huì)在后續(xù)的運(yùn)行中動(dòng)態(tài)加速加載時(shí)間。

# -*- coding: utf-8 -*-
import aiml
import os
 
 
mybot_path = './mybot'
#切換到語料庫所在工作目錄
os.chdir(mybot_path)
 
mybot = aiml.Kernel()
 
if os.path.isfile("mybot_brain.brn"):
  mybot.bootstrap(brainFile="mybot_brain.brn")
else:
  mybot.bootstrap(learnFiles="std-startup.xml", commands="load aiml b")
  mybot.saveBrain("mybot_brain.brn")
 
while True:
  print mybot.respond(raw_input("Enter your message >> "))

記住，如果你使用了上面寫的brain方法，在運(yùn)行的時(shí)候加載并不會(huì)將新增改變保存到brain中。你將需要?jiǎng)h除brain文件以便于它在下一次啟動(dòng)的時(shí)候重建，或者需要修改代碼，使得它在重新加載后的某個(gè)時(shí)間點(diǎn)保存brain。

增加Python命令

如果你想要為你的機(jī)器人提供一些特殊的運(yùn)行Python函數(shù)的命令，那么，你應(yīng)該為機(jī)器人捕獲輸入消息，然后在將它發(fā)送給mybot.respond()之前處理它。在上面的例子中，我們從raw_input中獲得了用戶的輸入。然而，我們可以從任何地方獲取輸入?？赡苁且粋€(gè)TCP socket，或者是一個(gè)語音識(shí)別源碼。在它進(jìn)入到AIML之前處理這個(gè)消息。你可能想要在某些特定的消息上跳過AIML處理。

while True:
  message = raw_input("Enter your message >> ")
  if message == "quit":
    exit()
  elif message == "save":
    mybot.saveBrain("bot_brain.brn")
  else:
    bot_response = mybot.respond(message)
    # Do something with bot_response

會(huì)話與斷言

通過指定一個(gè)會(huì)話，AIML可以為不同的人剪裁不同的會(huì)話。例如，如果某個(gè)人告訴機(jī)器人，他的名字是Alice，而另一個(gè)人告訴機(jī)器人他的名字是Bob，機(jī)器人可以區(qū)分不同的人。為了指定你所使用的會(huì)話，將其作為第二個(gè)參數(shù)傳給respond()

sessionId = 12345
mybot.respond(raw_input(">>>"), sessionId)

這對于為每一個(gè)客戶端定制個(gè)性化的對話是很有幫助的。你將必須以某種形式生成自己的會(huì)話ID，并且跟蹤它。注意，保存brain文件不會(huì)保存所有的會(huì)話值。

  sessionId = 12345
 
  # 會(huì)話信息作為字典獲取. 包含輸入輸出歷史，
  # 以及任何已知斷言
  sessionData = mybot.getSessionData(sessionId)
 
  # 每一個(gè)會(huì)話ID需要時(shí)一個(gè)唯一值。
  # 斷言名是機(jī)器人在與你的會(huì)話中了解到的某些/某個(gè)名字 
  # 機(jī)器人可能知道，你是"Billy"，而你的狗的名字是"Brandy"
  mybot.setPredicate("dog", "Brandy", sessionId)
  clients_dogs_name = mybot.getPredicate("dog", sessionId)
 
  mybot.setBotPredicate("hometown", "127.0.0.1")
  bot_hometown = mybot.getBotPredicate("hometown")

在AIML中，我們可以使用模板中的set響應(yīng)來設(shè)置斷言

<aiml version="1.0.1" encoding="UTF-8">
  <category>
   <pattern>MY DOGS NAME IS *</pattern>
   <template>
     That is interesting that you have a dog named <set name="dog"><star/></set>
   </template> 
  </category> 
  <category>
   <pattern>WHAT IS MY DOGS NAME</pattern>
   <template>
     Your dog's name is <get name="dog"/>.
   </template> 
  </category> 
</aiml>

使用上面的AIML，你可以告訴機(jī)器人：

My dogs name is Max

而機(jī)器人會(huì)回答你：

That is interesting that you have a dog named Max

然后，如果你問機(jī)器人：

What is my dogs name?

機(jī)器人將會(huì)回答：

Your dog's name is Max.

aiml可以用來實(shí)現(xiàn)對話機(jī)器人，但是用于中文有以下問題：

• 中文規(guī)則庫較少。規(guī)則庫相當(dāng)于對話機(jī)器人的“大腦”，一般來說，規(guī)則庫越豐富，對話機(jī)器人的應(yīng)對就更像人。目前英文的規(guī)則庫已經(jīng)很豐富，涵蓋面很廣，而且是公開可獲取的。但公開的中文規(guī)則庫就基本沒有。
• AIML解釋器對中文支持不好。實(shí)際上，Python下的Pyaiml模塊（解析器）已經(jīng)能比較好的支持中文，但是也存在以下問題：英文單詞間一般都有空格或標(biāo)點(diǎn)區(qū)分，因此具備一種“自然分詞”特性，由于中文輸入沒有以空格分隔的習(xí)慣，以上會(huì)在實(shí)踐中造成一些不便。比如要實(shí)現(xiàn)有/無空格的輸入匹配，就需要在規(guī)則庫中同時(shí)包含這兩種模式。

解決方案：

• 自己搭建語料庫（比如從字幕文件中獲取訓(xùn)練）
• 自己中文分詞工具(如jieba)

相關(guān)開源項(xiàng)目：

https://github.com/leo108/aliceCN
https://github.com/messense/wechat-bot
https://github.com/Program-O/Program-O

參考資料：

http://www.w3ii.com/aiml/aiml_introduction.html
http://www.devdungeon.com/content/ai-chat-bot-python-aiml
http://www.alicebot.org/documentation/aiml-reference.html

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。