AI人工智能-Python实现人机对话 - 柒小栈主_H5之家

【前言】　　AI

　　在人工智能进展的如火如荼的今天，我们如果不尝试去接触新鲜事物，马上就要被世界淘汰啦~

　　本文拟使用Python开发语言实现类似于WIndows平台的“小娜”，或者是IOS下的“Siri”。最终达到人机对话的效果。

【实现功能】

　　这篇文章将要介绍的主要内容如下：

　　1、搭建人工智能--人机对话服务端平台　　2、实现调用服务端平台进行人机对话交互【实现思路】

　　AIML

　　AIML由Richard Wallace发明。他设计了一个名为 A.L.I.C.E. （Artificial Linguistics Internet Computer Entity 人工语言网计算机实体）的机器人，并获得了多项人工智能大奖。有趣的是，图灵测试的其中一项就在寻找这样的人工智能：人与机器人通过文本界面展开数分钟的交流，以此查看机器人是否会被当作人类。

　　本文就使用了Python语言调用AIML库进行智能机器人的开发。

　　本系统的运作方式是使用Python搭建服务端后台接口，供各平台可以直接调用。然后客户端进行对智能对话api接口的调用，服务端分析参数数据，进行语句的分析，最终返回应答结果。

　　当前系统前端使用HTML进行简单地聊天室的设计与编写，使用异步请求的方式渲染数据。

【开发及部署环境】

开发环境：Windows 7 ×64 英文版

　　　　　JetBrains PyCharm 2017.1.3 x64

测试环境：Windows 7 ×64 英文版

【所需技术】　　1、Python语言的熟练掌握,Python版本2.7 　　2、Python服务端开发框架tornado的使用　　3、aiml库接口的简单使用　　4、HTML+CSS+Javascript(jquery)的熟练使用　　5、Ajax技术的掌握【实现过程】　　1、安装Python aiml库

pip install aiml

　　2、获取alice资源

　　Python aiml安装完成后在Python安装目录下的 Lib/site-packages/aiml下会有alice子目录，将此目录复制到工作区。
或者在Google code上下载alice brain: aiml-en-us-foundation-alice.v1-9.zip

　　3、Python下加载alice

　　取得alice资源之后就可以直接利用Python aiml库加载alice brain了：

import aiml os.chdir() # 将工作区目录切换到刚才复制的alice文件夹 alice = aiml.Kernel() alice.learn() alice.respond()

　　注意加载时需要切换工作目录到alice(刚才复制的文件夹)下。

　　4、与alice聊天

　　加载之后就可以与alice聊天了，每次只需要调用respond接口：

alice.respond() #这里的hello即为发给机器人的信息

　　5. 用Tornado搭建聊天机器人网站

　　Tornado可以很方便地搭建一个web网站的服务端，并且接口风格是Rest风格，可以很方便搭建一个通用的服务端接口。

　　这里写两个方法：

　　get：渲染界面

　　post：获取请求参数，并分析，返回聊天结果

　　Class类的代码如下：

class ChatHandler(tornado.web.RequestHandler): def get(self): self.render() def post(self): try: message = self.get_argument(, None) print(str(message)) result = { : True, : str(alice.respond(message)) } print(str(result)) respon_json = tornado.escape.json_encode(result) self.write(respon_json) except Exception, ex: repr(ex) print(str(ex)) result = { : False, : '' } self.write(str(result))

　　6. 简单搭建一个聊天界面

　　该界面是基于BootStrap的，我们简单搭建这么一个聊天的界面用于展示我们的接口结果。同时进行简单的聊天。

　　6. 接口调用

　　我们异步请求服务端接口，并将结果渲染到界面

$.ajax({ type: 'post', url: AppDomain+'chat', async: true,//异步 dataType: 'json', data: ( { "msg":request_txt }), success: function (data) { console.log(JSON.stringify(data)); if (data.is_success == true) { setView(resUser,data.message); } }, error: function (data) { console.log(JSON.stringify(data)); } });//end Ajax

　　这里我附上系统的完整目录结构以及完整代码->

　　7、目录结构

　　8、Python服务端代码

os.path import tornado.auth import tornado.escape import tornado.httpserver import tornado.ioloop import tornado.options import tornado.web from tornado.options import define, options import os import aiml os.chdir() alice = aiml.Kernel() alice.learn() alice.respond() define(, default=3999, help=, type=int) class Application(tornado.web.Application): def __init__(self): handlers = [ (r, MainHandler), (r, ChatHandler), ] settings = dict( template_path=os.path.join(os.path.dirname(), static_path=os.path.join(os.path.dirname(), debug=True, ) tornado.web.Application.__init__(self, handlers, **settings) class MainHandler(tornado.web.RequestHandler): def get(self): self.render() def post(self): result = { : True, : } respon_json = tornado.escape.json_encode(result) self.write(str(respon_json)) def put(self): respon_json = tornado.escape.json_encode() self.write(respon_json) class ChatHandler(tornado.web.RequestHandler): def get(self): self.render() def post(self): try: message = self.get_argument(, None) print(str(message)) result = { : True, : str(alice.respond(message)) } print(str(result)) respon_json = tornado.escape.json_encode(result) self.write(respon_json) except Exception, ex: repr(ex) print(str(ex)) result = { : False, : '' } self.write(str(result)) def main(): tornado.options.parse_command_line() http_server = tornado.httpserver.HTTPServer(Application()) http_server.listen(options.port) tornado.ioloop.IOLoop.instance().start() : ) main()

View Code

　　9、Html前端代码