独家丨基于规则和检索的聊天机器人引擎

AI 科技评论按:本文作者王海良,呤呤英语开发总监,北京 JavaScript/Node.js 开发者社区的运营者,曾就职 IBM 创新中心。本文为系列文章第二篇,由 AI 科技评论独家首发。

第一篇传送门:《聊天机器人的发展状况与分类》。在上一篇文章中,介绍了聊天机器人目前的发展。本篇主要介绍基于规则的,检索的聊天机器人引擎 - Bot Engine.

问题域

Speech to Text => Logic => Text to Speech

STT和TTS,目前有很多厂商提供技术产品:

  • Speech to Text 语音识别技术

Google Cloud Platform, IBM Watson API, 云知声,科大讯飞

  • Text to Speech 语音合成技术

IBM Watson API Docs demo

经过多年的研究,尤其是深度学习的采用,在这两项技术上取得了突破性进展。今天本文所要讨论的是logic,而且是基于规则引擎的logic, 基于机器学习的部分将在以后的文章中讨论。

Conversation Model

在两个人之间的对话,可以用下面这个模型表示,双方头脑中所要向对方表达的目标,需要通过语言来交换意见,为了达成共识,二者需要在一个语境下。

为了支撑这个模型,在设计Bot Engine过程中,要考虑如下的要点:

  • 低成本的构建对话
  • 能区分不同类型的对话
  • 规范化输入
  • 高效率的规则引擎
  • 用户画像
  • 回复时,考虑对话的历史记录

低成本的构建对话

构建聊天内容最好是不需要有开发技能,而且有的开发者也没有很好的聊天的技能。即便像Botframework这样的大厂的产品,在构建对话时,都不够友好,只能面向有开发技能的人,而且是一种硬编码。这样对于维护对话很不利。

  • 使用Botframework的waterfall,设计对话的人需要了解builder.Prompts接口和session.beginDialog|endDialog。这样做很不合理。

exports.start = [(session, arg, next) => { builder.Prompts.text(session, "Do you want to start Class now?"); }, (session, results) => { co(function*() { return yield watson.sentiment(results.response); }).then(function(o) { let reply; switch (o.docSentiment.type.toLowerCase()) { case 'positive': reply = '_begin_'; break; case 'negative': reply = "Got it." break; case 'neutral': reply = "Ok, then."; break; } if (reply == '_begin_') { session.beginDialog('/daily_lessons/vocabulary'); } else { builder.Prompts.text(session, reply); session.endDialog(); } }); }];

而另外一方面,使用script的方式,显得更合理,比如SuperScript.

+ Do you want to start Class now? - start_class + ~yes % Do you want to start Class now - Great, ^redirectTo(/daily_lessons/vocabulary) + ~no % Do you want to start Class now - Ok, then.

还有rivescript, chatscript, 同样类似于superscript方式进行构建对话。

能区分不同类型的对话

设计对话时,至少有三种类型的对话:

  • system

系统对话,只能聊一次,或者只能由系统主动发出。比如自我介绍,bot和小明进行初次对话,bot会问:“你叫什么名字?”。小明回答“小明”。那么bot就知道"id:xxx"是小明。而将来bot都不应该再问这个问题。

  • daily

这些是bot可以重复和用户聊的主题,可能并不是每天,它们可以每隔一段频率就触发,比如:问候,节日祝福,“你在做什么”, etc.

  • business

和一些闲聊的机器人不同,bot应该提供一些价值,这些价值可能是个人信息助手, 导购,教育, 播放音乐。

声明对话类型:

> topic:business (vocabulary class) + Do you want to start Class now? - start_class + ~yes % Do you want to start Class now - Great, ^redirectTo(/daily_lessons/vocabulary) + ~no % Do you want to start Class now - Ok, then. <

所以,一个对话看起来像是这个样子。

规范化输入

表达同样的意思,可以有多种表示方法。

whats the color of the calanders what is the colour of the calenders what be the colour of the calender

在将输入语句传给规则引擎前,要先做规则化处理。比如:

  • tokenized - 分词
  • stemmed - 英文单词取词根
  • lemmatized - 英文单词变形的归类(例如单复数归类)
  • part-of-speech (POS) tagger - reads text in some language and assigns parts of speech to each word
  • named entity recognizer (NER) - [ labels sequences of words in a text which are the names of things] 专有名词 - 人名、地名、组织名、URL链接、系统路径等

这里需要结合很多工具库来实现:NLTK, Stanford CoreNLP, Jieba分词,Wordnet, ConceptNet.

比如,借助Stanford CoreNLP,可以有下面的标注:

经过规范化输入,在规则引擎中,可以依赖词性和函数实现更智能的回答。

高效率的规则引擎

Bot可以有大量的主题,即便是只有100主题,每个主题15个对话,那就是1500个规则。如果只是单机运行,至少要进行下面两个优化:

  • 排序

通过聊天的记录和关键字,先给对话栈排序。

排序的思路大概是这样:

1) 查看当前对话,是否还有下文,一个对话的下文可以对应多个规则。

如果有下文,检测是否一个规则能匹配上输入。如果匹配上了,回复。 如果没有下文,或者没有规则能匹配上,进入次优匹配。

2) 次优匹配是将聊天主题的历史记录,使用TF-IDF算法进行排序。

简单说,就是使用一个函数计算用户聊天的对应主题频率。给不同的聊天主题加权重。在次优匹配中,都是处理用户曾经聊过的主题。

3) 在次优匹配中,没有命中,进入其他匹配。

其他匹配包括了以前没有聊过的主题。

  • 并发

在排序后,去同时处理匹配运算,将命中的规则的回复,按照排序的顺序放到数组里,然后,从数组中取第一个元素。这样就比按照顺序一个一个检测快很多。

比如,一些Node.js模块:async

https://www.npmjs.com/package/async

用户画像

在和用户聊天的过程中,获取到的用户相关的信息,有必要记录在数据库中,这其实是构建知识图谱的过程。

知识图谱所用的数据库是存在三个字段的结构化数据:

{ "subject": "Mao", "predict": "chairman", "object": "China" }

由此构建了一个关系:

而B又可以跳转到D。

目前,较为成熟的商业产品和开源方案都有。

Google Knowledge Graph API

链接:https://developers.google.com/knowledge-graph/

cayley graph

链接:https://github.com/cayleygraph/cayley

在Bot Engine中,可以得到相关用户的Knowledge Graph.

this.user.memory.get( ...) this.bot.createUserFact( ...)

使用知识图谱,除了对实体之间完成关系构建外,还有一个原因是,搜索速度非常快,搜索功能强大。

SuperScript

介绍了这么多,那么到底怎么实现一个Bot Engine呢?经过了很多比较后,我觉得基于SuperScript实现Bot Engine是可行的。主要是下面这几点:

  • 社区活跃:目前稳定版本v0.12.2没有bug, 最新版v1.0.0也在快速开发。
  • 轻便灵活: 将SuperScript的源码读了一遍,觉得即便是作者不维护了,我也可以维护。
  • 功能强大:在上面讨论的问题中,SuperScript都是有涉及的。

对话脚本

  • topic type - 话题 https://github.com/superscriptjs/superscript/wiki/Topics
  • conversation - 对话 https://github.com/superscriptjs/superscript/wiki/Conversations
  • function - 插件和函数 https://github.com/superscriptjs/superscript/wiki/Plugins-and-Functions

Get started

  • npm install superscript https://github.com/superscriptjs/superscript

var superscript = require("superscript"); new superscript({ ...}, function(err, bot){ bot.reply("userId", "hello", function(err, reply){ // do your magic }) })

Conclusion

很多人预计2017年,AI方向最可能取得成功的领域是聊天机器人。那么,在这种情况下,面向聊天机器人的架构设计,是一个热门问题。包括Google,Facebook都有可能发布类似于微软的Botframework平台。而Bot Engine, 一种处理对话的引擎,起着很关键的作用。在开源社区,还没有看到哪个呼声非常高的实现,SuperScript,至少在JavaScript社区,是一个不错的选择。

在下一篇文章中,我将介绍使用深度学习技术,依靠聊天语料,训练Bot Model.

Reading List

NaturalNode - General natural language facilities for node.

SuperScript - A dialog system and bot engine for conversational UI's.

Stanford CoreNLP - a suite of core NLP tools

Natural Language Toolkit - NLTK is a leading platform for building Python programs to work with human language data.

How to Cook a Graph Database in a Night - A Knowledge Graphic tool based on LevelDB.

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-02-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ThoughtWorks

测试矩阵

迷阵 “单元测试,集成测试,端到端测试,安全测试,性能测试,压力测试,契约测试,冒烟测试,验收测试,API测试,UI测试,兼容性测试……” 不知道你是不是像我一...

3749
来自专栏灯塔大数据

深度|从数据仓库到数据湖——浅谈数据架构演进

网管产品需要从数据仓库的角度来看,才能获得完整的视图。数据集成真正从大数据的角度来看,才能明白其中的挑战。一个运行了20多年的数据架构,必然有其合理性。也正是因...

8227
来自专栏云计算D1net

用于大数据的嵌入式分析和统计

用于大数据的嵌入式分析和统计已经成为了业内一个重要的主题。随着数据量的不断增长,我们需要软件工程师对数据分析提供支持,并对数据进行一些统计计算。本文概要地...

2764
来自专栏大数据挖掘DT机器学习

为什么有些公司在机器学习业务方面倾向使用 R + Hadoop 方案?

作者:王威扬 文思海辉技术有限公司数据挖掘解决方案经理 知乎 https://www.zhihu.com/question/22145076/answer/...

3065
来自专栏机器人网

工业机器人主要部件组成有哪些?

随着中国制造业转型步伐的加快,机器人的使用越来越频繁,作为工厂里的技术工程师必需了解机器人的相关技术,那么通用机器人由什么部件组成呢? 机器人作为一个系统,它...

3427
来自专栏Spark学习技巧

数据仓库③-实现与使用(含OLAP重点讲解)

本文将对这些方面做一个总体性的介绍(尤其是OLAP),旨在让读者对数据仓库的认识提升到一个全局性的高度。 创建数据仓库 数据仓库的创建方法和数据库类似,也是通过...

3798
来自专栏有刻

笔记与随想 — 解决问题

3496
来自专栏小白客

第一轮面试需要掌握怎样的基础技术栈?(以Python为例)

想要进入大型互联网公司,首先我们面对的就是面试这一道坎。一般而言,需要3~5面才能最终拿到offer。一面是考查基础知识,二三面是考查专业技能、项目经验等,四五...

3335
来自专栏数据派THU

带你和Python与R一起玩转数据科学: 探索性数据分析(附代码)

本系列将介绍如何在现在工作中用两种最流行的开源平台玩转数据科学。先来看一看数据分析过程中的关键步骤 – 探索性数据分析。

792
来自专栏xingoo, 一个梦想做发明家的程序员

【UML】——为什么要使用UML

以前一提到UML,就想到了复杂的流程图。很敬佩哪些想想就能画出整个系统的UML图的人,因为他们头脑中有整个软件架构的蓝图,这样在编写实现的时候,就会知道哪个...

1848

扫码关注云+社区