qroam / chatbot

🤖️ 基于 PyTorch 的任务型聊天机器人（支持私有部署和 docker 部署的 Chatbot）

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：

1. 闲聊型 open domain
2. 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。

点我立即尝试 DEMO

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 serve

3.3 自定义数据集

1. 使用基于 rasa-nlu-trainer 的 Labeling 工具，可以方便的构建数据集。
2. 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
└── .gitignore

6 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。