💬 PUE: AI 심리 상담 챗봇
💕 AI 심리상담 챗봇 PUE
Open Source
프로젝트 시작 : 2022.08
힘든 사람 누구에게나 친구가 되어줄
따듯한 위로를 전하는 AI 챗봇 서비스
🥇 Goals
코로나 블루로 우울감을 호소하는 사람이 많아지자 상담사 고용을 늘렸지만 여전히 응답률이 저조하였습니다.
이를 위해 정보 제공용 챗봇을 뛰어넘어 가벼운 심리 상담이 가능한 챗봇을 만들고자 하였습니다.
상담이 여려운 시간대에도 상담이 가능하며 챗봇 상담의 높은 접근성으로 기존 상담에 대한 인식을 개선하고자 개발하게 되었습니다.
File structure
PUE-AI
|
├─examples
│ │ aimodel.py
│ │ AIServer.py
│ │ main.py
│ │ test_Chatbot.py
│ │ test_NER.py
│ │
│ └─trainning
│ Training_Chatbot_Transformer.py
│ Training_EmoClass_KoBERT.py
│ Training_NER_KoBERT.py
│
├─resources
│ │ config.json
│ │
│ ├─converters
│ │ letter_to_index.pickle
│ │ NER_label_to_index.pickle
│ │ tokenizer.pickle
│ │
│ ├─training_data
│ │ delete_before_use.txt
│ │
│ └─weights
│ │ delete_before_use.txt
│ │
│ ├─Topic_weights
│ │ delete_before_use.txt
│ │
│ └─Transformer_weights
│ delete_before_use.txt
│
└─submodules
│ emo_classifier.py
│ gd_generator.py
│ subtopic_classifier.py
│ topic_classifier.py
└─ __init__.py
🔨 Environments
Development
Language
Library
IDE
Package Management & GPU Server
Communication
⚙️ Project Settings
Install library dependencies
> pip install -r requirements.txtTest AI Code
> import aimodel
> import tensorflow as tf
> from __init__ import setup_environ, download_weights
> setup_environ()
> download_weights()
> with tf.device("/device:CPU:0"):
> DoDam = AIModel()
> UserName = "민채"
> while True:
> sample = input("입력 : ")
> output = DoDam.run(UserName, sample)
> print("출력 : {}" .format(output))📜 Feature
사용자 입력 대화를 분석, 분류하여 결과에 따라 일반대화를 생성하고 하나의 자료로 만들어 냅니다. 보다 자세한 기능 설명은 AI_Wiki_Specification을 참고해주세요.
1. 대화 분석
사전 학습된 AI 모델을 통해 사용자 입력 대화에 담긴 주제와 감정을 분석하여 지정된 레이블로 분류합니다.
- 입력 대화를 AI 모델 훈련을 위해 tensor 형태로 만드는 데이터 인코딩을 수행합니다.
- TFBertModel layer와 classifier layer를 쌓아 Model 제작
- 인코딩한 데이터를 모델에 입력합니다.
- 모델의 결과값인 확률 벡터 중 최대 값을 가리키는 요소를 추출 후, label dictionary로 label 반환합니다.
2. 대화 분류
분석 결과로 얻은 주제와 감정을 바탕으로 대화 타입을 분류합니다.
- 감정 정보가 부정이고, 주제 정보가 상담 시나리오 관련 주제이면 상담 대화로 분류합니다.
- 감정 정보가 중립 및 긍정이고, 주제 정보가 일상 대화 관련 주제이면 일상 대화로 분류합니다.
3. 대화 생성 및 자료구성
사전 학습된 AI 모델을 통해 사용자 입력에 대응하는 적절한 답변을 만들고 대화 내역을 하나의 자료로 만들어 냅니다.
- 충분히 일상대화를 학습한 AI 모델에 입력 대화를 tensor 형태로 넣습니다.
- Decoder에 Bert의 인코딩된 입력과, Bert의 출력을 입력하여 attention mechanism 및 FFNN 을 통해 답변 token들을 차례로 도출합니다.
- 모든 대화 정보 및 타입, 일상 대화 답변을 OrderedDict 자료형에 저장하여 서버에 반환합니다.
💻 Developers
📚 Documentations
Open Source Github
- Klue-BERT : https://github.com/KLUE-benchmark/KLUE
- pytorch : https://github.com/pytorch
- tensorflow : https://github.com/tensorflow/tensorflow
Wiki
🔒 LICENSE
This Project is MIT licensed.