实现微信聊天机器人-中级篇

一、ChatterBot工作原理

Chatbot Engine的技术框架采用了开源项目ChatterBot (https://github.com/gunthercox/ChatterBot)。

ChatterBot是一个python库，利用它可以轻松的创建对话软件。

一个未经训练的ChatterBot实例开始不知道如何沟通，每次用户输入一个语句，ChatterBot就会保存这个语句以及它对应的问句。随着它接受更多的输入，它可以回应的语句数量会增加，每个输入和回应的对应关系准确性也会提高。程序通过搜索与输入语句最相似匹配的语句，来选择最相似的回应，然后基于人们对机器人回应语句的频次，返回最可能的回应。

下图展示了ChatterBot的工作流图：

总体上分为3个层次，输入层，逻辑处理层，输出层。各层都可以扩展自定义的模式。

· 输入层

从一些来源获得输入（如：终端控制台，API接口，语音识别输入等），然后将其转换成ChatterBot可以理解的格式。 目前支持VariableInputTypeAdapter，TerminalAdapter，HipChat等输入适配器。 可以定义自己的输入适配器，通过继承InputAdapter基类，重写process_input方法并返回指定对象Statement就可以实现。

逻辑处理层

逻辑处理层包含了一些逻辑适配器，ChatterBot通过这些逻辑选择一个给定输入语句的回应。 目前支持ClosestMatchAdapter，ClosestMeaningAdapter，ApproximateSentenceMatchAdapter，TimeLogicAdapter，MathematicalEvaluation等逻辑适配器。 ClosestMatchAdapter采用Levenshtein Distance来计算文本相似度。 ClosestMeaningAdapter基于由两个句子形成的字矩阵中每个单词的同义词集的接近程度。 TimeLogicAdapter用来回答关于当前时间的问句。 MathematicalEvaluation用来回答一些数学计算问题。 可以同时使用多个逻辑适配器来处理，机器人将返回最高计算置信度值的回应；如果多个适配器返回相同的置信度，那么选择适配器列表中第一个适配器。 同样，也可以定义自己的逻辑适配器，通过继承LogicAdapter基类，重写相关方法返回指定的值就可以实现。

输出层

返回输入语句的回应，支持多种输出源，如OutputFormatAdapter，TerminalAdapter，HipChat，Mailgun。 可以定义自己的输出适配器，通过继承OutputAdapter基类，重写process_response方法并返回指定对象Statement就可以实现。

以上3层分别对应了Chatterbot的3种适配器类型，输入适配器、逻辑适配器和输出适配器，另外，还有一种类型是存储适配器，存储适配器用来存储所有的对话及问答关系，以供逻辑适配器使用。

存储适配器也是可扩展的，目前支持JsonFileStorageAdapter，MongoDatabaseAdapter，TwitterAdapter，同样也可以自定义存储适配器。

二、ChatterBot使用

ChatterBot可以下载源码编译安装，也可以直接使用pip工具安装。

本例使用pip安装，如下

pip install chatterbot

下面通过一个简单例子说明如何使用：

from chatterbot import ChatBot

# 创建ChatBot实例

bot = ChatBot("Terminal",##bot名字

storage_adapter="chatterbot.adapters.storage.JsonFileStorageAdapter",##使用json文件存储数据