机器人工厂引擎

Capricorn是竹间bot的核心对话引擎，内嵌了竹间自研的中文自然语言处理技术，主要功能包括语义问答，知识推理问答，多轮对话，以及整体的对话管理控制。在Capricorn上可以快速进行二次开发，大型企业可以将引擎快速的集成到自己公司已有的AI平台，加强语义理解和智能对话的能力，甚至轻松处理复杂的机器人对话场景。集成商以及IT开发者们，可以基于Capricorn引擎开发自己的对话解决方案，给更多的行业赋能。通过Capricorn，您可以定制个性化的AI服务，打造个性化BOT平台，以及和已有系统做深度集成。并且在此之上，快速开发各类对话场景，例如客服服务，业务办理，企业助手，智能家居控制，语音技能等。

安装方式

#Java版的安装使用在sample/java目录下查看。

pip安装

pip3 install -U -r requirements.txt

注：如果已经安装依赖包，可更新安装最新版 
pip3 install -U bfengine

如果比较慢，可以使用清华的pip源：-i https://pypi.tuna.tsinghua.edu.cn/simple 要求Python 3.6以上。

使用方式

注: 示例代码可在sample目录下查看。支持Java和Python版。 Java版的使用示例在sample/java目录下查看。

创建Bot

import bf_engine
bot = bf_engine.init()

问答管理

# 训练问答语料
bot.qa.train(data={"data": [{"sq": "竹间你好", "lq": ["竹间你好呀", "竹间你好吗"], "answer": "竹间是中文NLP No. 1"}]})

# 问答出话
print('qa出话：' +str(bot.qa.query('竹间你好')))

知识图谱

# 训练知识图谱
bot.kg.train(data={"data": [{"entity": "竹间", "property": "年龄", "value": "5"}]})

# 知识出话
print('kg出话: ' + bot.kg.query('竹间的年龄').text)

任务引擎

import bf_engine

# 机器人初始化
bot = bf_engine.init()
# 编辑任务
bot.te.editor(path='data/taskengine.json')

# 任务出话
print('te出话: ' + bot.te.query('我要买火车票').text)
print('te出话: ' + bot.te.query('北京').text)
print('te出话: ' + bot.te.query('是的').text)

意图引擎

# 内嵌意图
print("intent:"+str(bot.intent.predict("来一首音乐")))
print("intent:"+str(bot.intent.predict("打开爱奇艺软件")))

对话管理

import bf_engine

# 机器人初始化
bot = bf_engine.init()

# 机器人appid
print("appid: "+bot.app_id)

# 训练问答语料
bot.qa.train(data={"data": [{"sq": "竹间你好", "lq": ["竹间你好呀", "竹间你好吗"], "answer": "竹间是NLP宇宙第一"}]})

# 训练知识图谱
bot.kg.train(data={"data": [{"entity": "竹间", "property": "年龄", "value": "5"}]})

# 加载任务
bot.te.load(path='data/taskengine.json')
# 编辑任务
bot.te.editor()

bot.dm.load([{"qa": 90}, {"kg": 92}, {"qa": 60, "kg": 65}, {"te": 60}])
# or 需指定配置文件
# bot.dm.load_by_path(config_path='data/对话配置.json')
#

print("对话管理出话: " + bot.dm.query("今天天气如何").text)
print("对话管理出话: " + bot.dm.query("竹间的年龄").text)
print("对话管理出话: " + bot.dm.query("竹间你好").text)
print("对话管理出话: " + bot.dm.query("我要买火车票").text)
print("对话管理出话: " + bot.dm.query("北京").text)
print("对话管理出话: " + bot.dm.query("是的").text)

NER命名实体识别

import json

import bf_engine

# 机器人创建
bot = bf_engine.create_bot()

# 问答出话
sentence = '我要去北京，帮我订下周三晚上8点的车票, 从上海出发，联系电话：13212341234'

# 可获取可调用的的所有parser
parsers = bot.ner.get_parsers()

#  parsers中的parserId 可以通过get_parsers接口获取
results = bot.ner.predict(sentence=sentence, parsers=['transport', 'chrono', 'phone'])

对话行为分类器

import bf_engine

bot = bf_engine.init()

sentence = '不好意思，我现在很忙。请稍后再给我打电话'

# 使用对话行为行为分类器进行预测
results = bot.act.predict(sentence=sentence)

for result in results:
    print('ACT： {}({})'.format(result.name, result.code))

技能

import bf_engine

# 机器人创建
bot = bf_engine.init()

# 打开技能: 防催宝典
bot.skill.update_status(3, True)

# 技能出话
sentence = "妈妈催我做作业怎么办"
answer = bot.skill.query(sentence)

print(answer.text)

Object Hierarchy

## 对象结构图
# *:方法; -: 对象
bf_engine
   *init
    -intent
      *train
      *query
      *test
   -qa
      *train
      *query
      *qa_list
      *question_list
      *corpus_list
      *test
   -kg
      *train
      *query
      *test
      *add_triple_value
      *add_intro
      *add_property_corpus
      *add_word_synonym
   -te
      *load
      *editor
      *train
      *query
      *test
   -dm
      *query
      *chat
      *test
   -skill
      *skill_list
      *update_status
      *query
   -ner
      *predict
      *get_parsers
   -act
      *predict
      *get_acts

emotibot001 / Capricorn