自然语言处理-应用场景-聊天机器人(一)：fastText实现意图识别【QA/问答机器人、TASK/任务机器人、CHAT/闲聊机器人】--＞代码封装、对外提供接口

向右看齐 2023-10-05 18:59 8阅读 0赞

## 一、聊天机器人概述 ##

### 1. 目前企业中的常见的聊天机器人 ###

1.  QA/KB BOT（问答机器人）：回答问题
    
    1.  代表 ：智能客服、
    2.  比如：提问和回答
2.  TASK BOT (任务机器人)：帮助人们做事情
    
    1.  代表：siri
    2.  比如：设置明天早上9点的闹钟
3.  CHAT BOT(聊天机器人)：通用、开放聊天
    
    1.  代表：微软小冰

### 2. 常见的聊天机器人怎么实现的 ###

#### 2.1 问答机器人的常见实现手段 ####

1.  信息检索、搜索 （简单，效果一般，对数据问答对的要求高）
    
    关键词：tfidf、SVM、朴素贝叶斯、RNN、CNN
2.  知识图谱（相对复杂，效果好，很多论文）
    
    在图形数据库中存储知识和知识间的关系、把问答转化为查询语句、能够实现推理

#### 2.2 任务机器人的常见实现思路 ####

1.  语音转文字
2.  意图识别、领域识别、文本分类
3.  槽位填充：比如买机票的机器人 使用命令体识别填充 `从{位置}到{位置}的票`2个位置的
4.  回话管理、回话策略
5.  自然语言生成
6.  文本转语音

#### 2.3 闲聊机器人的常见实现思路 ####

1.  信息检索（简单、能够回答的话术有限；但是回答准确度高）【实际应用中用的比seq2seq多】
2.  seq2seq 和变种（答案覆盖率高，但是不能保证答案的通顺等）【实际应用中用的不如信息检索多】

### 3. 企业中的聊天机器人是如何实现的 ###

#### 3.1 阿里小蜜-电商智能助理是如何实现的 ####

参考地址：`https://juejin.im/entry/59e96f946fb9a04510499c7f`

##### 3.1.1 主要交互过程 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]

从图可以看出：

1.  输入：语音转化为文本，进行理解之后根据上下文得到语义的表示
2.  输出：根据语义的表是和生成方法得到文本，再把文本转化为语音输出

##### 3.1.2 技术架构 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 1]

可以看出其流程为：

1.  判断用户意图
2.  如果意图为面向目标：可能是问答型或者是任务型
3.  如果非面向目标：可能是语聊型

##### 3.1.3 检索模型流程（小蜜还用了其他的模型，这里以此为例） #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 2]

通过上图可知，小蜜的检索式回答的流程大致为：

1.  对问题进行处理
2.  根据问题进行召回，使用了提前准备的结构化的语料和训练的模型
3.  对召回的结果进行组长和日志记录
4.  对召回的结果进行相似度计算，情感分析和属性识别
5.  返回组装的结果

#### 3.2 58同城智能客服帮帮如何实现的 ####

参考地址：`http://www.6aiq.com/article/1536149308075?p=1&m=0`

##### 3.2.1 58客服体系 #####

![format_png_pic_center][]

58的客服主要用户为公司端和个人端，智能客服主要实现自动回答，如果回答不好会转到人工客服，其中自动回答需要覆盖的问题包括：业务咨询、投诉建议等

##### 3.2.2 58智能客服整体架构 #####

![format_png_pic_center 1][]

整体来看，58的客服架构分为三个部分

1.  基础服务，实现基础的NLP的功能和意图识别
2.  应用对话部分实现不同意图的模型，同时包括编辑运营等内容
3.  提供对外的接口

##### 3.2.3 业务咨询服务流程 #####

###### 大致流程 ######

![format_png_pic_center 2][]

KB-bot的流程大致为：

1.  对问题进行基础处理
2.  对答案通过tfidf等方法进行召回
3.  对答案通过规则、深度神经网络等方法进行重排序
4.  返回答案排序列表

###### 使用融合的模型 ######

![format_png_pic_center 3][]

在问答模型的深度网络模型中使用了多套模型进行融合来获取结果

1.  在模型层应用了 FastText、TextCNN 和 Bi-LSTM 等模型
2.  在特征层尝试使用了单字、词、词性、词语属性等多种特征

通过以上两个模型来组合获取相似的问题，返回相似问题ID对应的答案

##### 3.2.4 58的闲聊机器人 #####

![format_png_pic_center 4][]

58同城的闲聊机器人使用三种方法包括：

1.  基于模板匹配的方法
2.  基于搜索的方式获取（上上图）
3.  使用seq2seq的神经网络来实现

##### 3.2.5 解决不了转人工服务 #####

智能客服解决不了的可以使用人工客服来实现

![format_png_pic_center 5][]

## 二、需求分析和流程介绍 ##

### 1. 需求分析 ###

在小智同学板块实现聊天机器人，能够起到`智能客服`的效果，能够为使用app的用户解决基础的问题，而不用额外的人力。

但是由于语料的限制，所以这里使用了编程相关的问题，能够回答类似：`python是什么`，`python有什么优势`等问题

### 2. 效果演示 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 3]

### 3. 实现流程 ###

##### 3.1 整体架构 #####

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 4]  
整个流程的描述如下：

1.  接受用户的问题之后，对问题进行基础的处理
2.  对处理后的问题进行分类，判断其意图
3.  如果用户希望闲聊，那么调用闲聊模型返回结果
4.  如果用户希望咨询问题，那么调用问答模型返回结果

##### 3.2 闲聊模型 #####

闲聊模型使用了seq2seq模型实现

包含：

1.  对数据的embedding
2.  编码层
3.  attention机制的处理
4.  解码层

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 5]

##### 3.3 问答模型 #####

问答模型使用了召回和排序的机制来实现，保证获取的速度的同时保证了准确率

1.  问题分析：对问题进行基础的处理，包括分词，词性的获取，词向量的获取
2.  问题的召回：通过机器学习的方法进行海选，海选出大致满足要求的相似问题的前K个
3.  问题的排序：通过深度学习的模型对问题计算准确率，进行排序
4.  设置阈值，返回结果

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 6]

## 三、环境准备 ##

### 1. Anaconda环境准备 ###

1.  下载地址：`https://mirror.tuna.tsinghua.edu.cn/help/anaconda/`
2.  下载对应电脑版本软件，安装
    
    1.  windows ：双击exe文件
    2.  unix：给sh文件添加可执行权限，执行sh文件
3.  添加到环境变量
    
    1.  windows安装过程中勾选
    2.  unix：`export PATH="/root/miniconda3/bin:$PATH"`
4.  创建虚拟环境
    
    1.  `conda create -n 名字 python=3.6(版本)`
    2.  查看所有虚拟环境： `conda env list`
5.  切换到虚拟环境
    
    1.  `conda activate 名字`
6.  退出虚拟环境
    
    1.  `conda deactivate 名字`

### 2. fasttext安装 ###

文档地址：`https://fasttext.cc/docs/en/support.html`

github地址：`<https://github.com/facebookresearch/fastText`

安装步骤：

1.  下载 `git clone https://github.com/facebookresearch/fastText.git`
2.  cd `cd fastText`
3.  安装 `python setup.py install`

### 3. pysparnn安装 ###

文档地址：`https://github.com/facebookresearch/pysparnn`

安装步骤：

1.  下载：`git clone https://github.com/facebookresearch/pysparnn.git`
2.  安装：`python setupy.py install`

## 四、语料准备 ##

### 1. 自定义分词词典【补充jieba等第三方分词库中没有的特定词汇】 ###

最终词典的格式：

> 词语 词性(不要和jieba默认的词性重复)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 7]

##### 1.1 词典来源 #####

1.  各种输入法的词典
    
    例如：`https://pinyin.sogou.com/dict/cate/index/97?rf=dictindex`
    
    例如：`https://shurufa.baidu.com/dict_list?cid=211`
2.  手动收集，根据目前的需求，我们可以手动收集如下词典
    
    1.  机构名称，例如：`传智`，`传智播客`,`黑马程序员`
    2.  课程名词，例如：`python`,`人工智能+python`，`c++`等

##### 1.2 词典处理 #####

输入法的词典都是特殊格式，需要使用特殊的工具才能够把它转化为文本格式

工具名称：`深蓝词库转换.exe`

下载地址：`https://github.com/studyzy/imewlconverter`

##### 1.3 对多个词典文件内容进行合并 #####

下载使用不同平台的多个词典之后,把所有的txt文件合并到一起供之后使用

### 2. 准备停用词【有别人已经整理好的停用词库可供调用】 ###

##### 2.1 什么是停用词？ #####

对句子进行分词之后，句子中不重要的词

##### 2.2 停用词的准备 #####

常用停用词下载地址：`https://github.com/goto456/stopwords`

##### 2.3 手动筛选和合并 #####

对于停用词的具体内容，不同场景下可能需要保留和去除的词语不一样

比如：词语`哪个`，很多场景可以删除，但是在判断语义的时候则不行

### 3. 问答对的准备 ###

##### 3.1 现有问答对的样式 #####

问答对有两部分，一部分是咨询老师整理的问答对，一部分是excel中的问答对，

最终我们需要把问答对分别整理到两个txt文档中，如下图（左边是问题，右边是答案）：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 8]

Excel中的问答对如下图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 9]

##### 3.2 excel中问答对的处理 #####

Excel中的问答对直接使用pandas就能够处理

python_qa_path = "./data/Python短问答-11月汇总.xlsx"
    def load_duanwenda():
        import pandas as pd
        ret = pd.read_excel(python_qa_path)
        column_list = ret.columns
        assert '问题' in column_list and "答案" in column_list,"excel 中必须包含问题和答案"
        for q,a in zip(ret["问题"

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20210318193342117.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20210318193409718.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20210318193428293.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[format_png_pic_center]: https://img-blog.csdnimg.cn/img_convert/e3c412398597f9ab056a544ed173c646.webp?x-oss-process=image/format,png#pic_center
[format_png_pic_center 1]: https://img-blog.csdnimg.cn/img_convert/83d10d75c9121583a43083d70ddf0874.webp?x-oss-process=image/format,png#pic_center
[format_png_pic_center 2]: https://img-blog.csdnimg.cn/img_convert/19c0b35af9fc0b93f480631682ad6ccc.webp?x-oss-process=image/format,png#pic_center
[format_png_pic_center 3]: https://img-blog.csdnimg.cn/img_convert/a09e84e1a064f7c48b7f2c8255ca8e62.webp?x-oss-process=image/format,png#pic_center
[format_png_pic_center 4]: https://img-blog.csdnimg.cn/img_convert/6ebabd334ebead4154e50da7711a1711.webp?x-oss-process=image/format,png#pic_center
[format_png_pic_center 5]: https://img-blog.csdnimg.cn/img_convert/99341143423e1ce9f07e44eb57e0cdd0.webp?x-oss-process=image/format,png#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20210318220740226.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20210318220833406.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 5]: https://img-blog.csdnimg.cn/20210318220916475.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 6]: https://img-blog.csdnimg.cn/20210318220945268.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 7]: https://img-blog.csdnimg.cn/20210318224022969.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 8]: https://img-blog.csdnimg.cn/2021031822410495.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE_size_16_color_FFFFFF_t_70_pic_center 9]: https://img-blog.csdnimg.cn/20210318224122468.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTMyNTA4NjE=,size_16,color_FFFFFF,t_70#pic_center