创建一个 AI 聊天机器人，无需学习如何回答用户提出的每个问题即可学习如何聊天

Question

我的代码只是这个，它只会识别特定的问题......否则它会要求答案......但我希望它能够学习并尝试自我回答我的新问题。

例子：

input("hello")

output("Hi, how are you?")

在不教人工智能聊天机器人如何回应“嗨”的情况下，我希望它也能够回应

喜欢：

 input("Hi")

 output("Hello, how are you?")

这对我来说非常困难，这就是为什么我要求回答

我当前的代码：

said = []
output = []
text = ""

global n

while True:
    text = input("Say something: ")
    if not(text == ""):
        if not(text == "print(input, output)"):
            input_contain = text.lower() in said

            if input_contain:
                n = 0
                found = False
                while not found:
                    if said[n] == str(text.lower()):
                        print(output[n])
                        found = True
                    else:
                        n = n + 1
            else:

                output_add = input("What should I respond to that? ")
                if not output_add == "":
                    said.append(text.lower())
                    output.append(output_add)
                else:
                    print("Error in output")
        else:

            for qn in said:
                if not qn == int(len(said)) - 1:
                    print(str(qn), end=", ")
                else:
                    print(qn)

            for out in output:
                if not out == int(len(output)) - 1:
                    print(str(out), end=", ")
                else:
                    print(out)

    else:
        print("Error in input") 

Answer 1

如果您有一组预先构建的响应，例如“嗨，你好吗”，您可以为此类响应构建一组适当的提示问题，并比较用户输入和您已知的相似度（例如使用spacy nlp ）提示问题。

您可以采用相似度最高的提示问题，以识别先前已映射到响应的最相似问题 - 然后回答该问题的答案作为响应。

---

例如，“你好”和“嗨”的相似度比“你好”和“什么是可怕的动物？”具有更高的相似度（0.9 左右）。 做（接近0）..

所以如果你有

“什么是可怕的动物？” ==> "老虎",

“嗨” => “你好，你好吗”？

“你好”会 map 0.9 到“嗨”，接近 0 到“什么是可怕的动物”，所以选择“你好”的答案，即“你好，你好吗？”

“什么是凶猛的动物”会 map 更接近“什么是可怕的动物”，所以选择老虎。

---

为了让您的程序改进，您需要将映射保存在某处并添加更多.. 这大致是 GOFAI 聊天机器人的工作方式

Answer 2

机器学习是一种统计机制。 这是一个有点相关的链接： “估计”提前需要的培训量

就个人而言，这不是“智能”。 想象一下，当用户说出要在未来问题中重复使用的内容时，必须在现场重新训练机器人。

还有另一种以聊天机器人方式回答问题的方法，称为自然语言处理（检查 stackoverflow 标签 NLP）。 特别是逻辑/语义处理可以将用户输入分解为其组成部分，并从那里开发出适当的响应。