Chatbot
🤖️ 基于 PyTorch 的任务型聊天机器人。
1 简介
常见的聊天机器人有两种：
- 闲聊型
open domain - 任务型
task oriented
本项目属于第二种，即面向任务的聊天机器人。这类型机器人的常见应用是智能客服，目的是为了解决用户的明确需求。
上图为面向任务的聊天机器人的一般流程，该项目目前实现了第一部分的 NLU 功能，包含 Slot Filling 和 Intent Prediction。
2 DEMO
⚠️ DEMO 中仅包含我编写的几十条训练样本（在back/data/train.json），主要内容是关于我家🐱锅贴，这些只发挥了该项目的一部分功能。
3 运行
3.1 直接运行
# 1 下载文件
git clone https://github.com/Ailln/chatbot.git
# 2 启动后端
cd chatbot/back
# 安装依赖
pip install -r requirements.txt
# 运行
python server.py
# 3 启动前端
cd ../front
# 安装依赖
yarn
# 运行
yarn serve
# 4 接下来，根据提示访问网页即可3.2 以 docker 方式运行
# 1 下载文件
git clone https://github.com/Ailln/chatbot.git
# 2 构建镜像（这一步可能会因为网络问题出错，可以多尝试几次）
cd chatbot && docker image build -t chatbot .
# 3 运行
docker run -p 8080:8080 -p 8002:8002 -it chatbot /bin/bash
cd /chatbot/back && python server.py &
cd /chatbot/front && npm run serve3.3 自定义数据集
- 使用基于 rasa-nlu-trainer 的 Labeling 工具，可以方便的构建数据集。
- 直接将生成的 json 数据替换掉
back/data/train.json即可（或者修改配置文件back/config/guotie.yaml中的input_json_path的路径）。
4 架构
4.1 前端
- VueJS
- iView
- SocketIO
4.2 后端
- Flask
- SocketIO
- PyTorch
⚠️ 后端代码基于 RNN-for-Joint-NLU 进行了改进。
5 目录
.
├── front # 前端
│ ├── public
│ ├── src
│ ├── babel.config.js
│ ├── package.json
│ └── yarn.lock
├── back # 后端
│ ├── config
│ ├── data
│ ├── model
│ ├── util
│ ├── save
│ ├── server.py
│ ├── test.py
│ ├── train.py
│ └── requirements.txt
├── src # 资源
├── LICENSE
├── README.md
└── .gitignore6 参考
- Tensorflow动态seq2seq使用总结（r1.3）
- Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling
- BERT for Joint Intent Classification and Slot Filling
- 从“连接”到“交互”—阿里巴巴智能对话交互实践及思考
- A Frustratingly Easy Approach for Joint Entity and Relation Extraction
7 许可证
8 交流
请添加微信号：Ailln_，备注「chatbot」，我邀请你进入交流群。