智能对话系统：Unit对话API

最新推荐文章于 2024-05-13 01:08:57 发布
最新推荐文章于 2024-05-13 01:08:57 发布
阅读量2.2k 收藏 30
点赞数 1
分类专栏： 人工智能 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zimiao552147572/article/details/106178574
版权

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

智能对话系统：Unit对话API

在线聊天的总体架构与工具介绍：Flask web、Redis、Gunicorn服务组件、Supervisor服务监控器、Neo4j图数据库

linux 安装 neo4j、linux 安装 Redis、supervisor 安装

neo4j图数据库：Cypher

neo4j图数据库：结构化数据流水线、非结构化数据流水线

命名实体审核任务：BERT中文预训练模型

命名实体审核任务：构建RNN模型

命名实体审核任务：模型训练

命名实体识别任务：BiLSTM+CRF part1

命名实体识别任务：BiLSTM+CRF part2

命名实体识别任务：BiLSTM+CRF part3

在线部分：werobot服务、主要逻辑服务、句子相关模型服务、BERT中文预训练模型+微调模型（目的：比较两句话text1和text2之间是否有关联）、模型在Flask部署

系统联调测试与部署

离线部分+在线部分：命名实体审核任务RNN模型、命名实体识别任务BiLSTM+CRF模型、BERT中文预训练+微调模型、werobot服务+flask

1.1 背景介绍

  • 学习目标:
    • 了解智能对话系统的相关背景知识.
    • 掌握使用Unit对话API.
  • 什么是智能对话系统？
    • 随着人工智能技术的发展, 聊天机器人, 语音助手等应用在生活中随处可见, 比如百度的小度, 阿里的小蜜, 微软的小冰等等. 其目的在于通过人工智能技术让机器像人类一样能够进行智能回复, 解决现实中的各种问题.

  • 从处理问题的角度来区分, 智能对话系统可分为:
    • 任务导向型: 完成具有明确指向性的任务, 比如预定酒店咨询, 在线问诊等等.
    • 非任务导向型: 没有明确目的, 比如算算术, 播放音乐, 回答问题.
  • 我们的在线医生项目就是任务导向型的智能对话系统.

1.2 Unit对话API的使用

  • 学习目标:
    • 了解Unit平台的相关知识.
    • 掌握调用Unit API的实现过程.
  • Unit平台的相关知识:
    • Unit平台是百度大脑开放的智能对话定制与服务平台, 也是当前最大的中文领域对话开放平台之一. Unit对注册用户提供免费的对话接口服务, 比如中文闲聊API, 百科问答API, 诗句生成API等, 通过这些API我们可以感受一下智能对话的魅力, 同时它也可以作为任务导向型对话系统无法匹配用户输入时的最终选择.

  • Unit闲聊API演示:
用户输入 >>> "你好"
Unit回复 >>> "你好,想聊什么呢~"
用户输入 >>> "我想有一个女朋友!"
Unit回复 >>> "我也是想要一个女朋友~"
用户输入 >>> "晚吃啥呢想想"
Unit回复 >>> "想吃火锅"
  • 调用Unit API的实现过程:
    • 第一步: 注册登录百度账户, 进入Unit控制台创建自己的机器人.
    • 第二步: 进行相关配置, 获得请求API接口需要的API Key与Secret Key.
    • 第三步: 在服务器上编写API调用脚本并进行测试.
  • 第一步: 注册登录百度账户, 进入Unit控制台创建自己的机器人.

  • 第二步: 进行相关配置, 获得请求API接口需要的API Key与Secret Key.
    • 点击获取API Key进入百度云应用管理页面

  • 点击创建应用, 进入应用信息表单填写页面

  • 可以看到创建的API Key和Secret Key

  • 第三步: 在服务器上编写API调用脚本并进行测试
import json
import random
import requests

# client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id = "xxx"
client_secret = "xxx"


def unit_chat(chat_input, user_id="88888"):
    """
    description:调用百度UNIT接口，回复聊天内容
    Parameters
      ----------
      chat_input : str
          用户发送天内容
      user_id : str
          发起聊天用户ID，可任意定义
    Return
      ----------
      返回unit回复内容
    """
    # 设置默认回复内容,  一旦接口出现异常, 回复该内容
    chat_reply = "不好意思，俺们正在学习中，随后回复你。"
    # 根据 client_id 与 client_secret 获取access_token
    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s" % (
    client_id, client_secret)
    res = requests.get(url)
    access_token = eval(res.text)["access_token"]
    # 根据 access_token 获取聊天机器人接口数据
    unit_chatbot_url = "https://aip.baidubce.com/rpc/2.0/unit/service/chat?access_token=" + access_token
    # 拼装聊天接口对应请求发送数据，主要是填充 query 值
    post_data = {
                "log_id": str(random.random()),
                "request": {
                    "query": chat_input,
                    "user_id": user_id
                },
                "session_id": "",
                "service_id": "xxx",
                "version": "2.0"
            }
    # 将封装好的数据作为请求内容, 发送给Unit聊天机器人接口, 并得到返回结果
    res = requests.post(url=unit_chatbot_url, json=post_data)


    # 获取聊天接口返回数据
    unit_chat_obj = json.loads(res.content)
    # print(unit_chat_obj)
    # 打印返回的结果
    # 判断聊天接口返回数据是否出错 error_code == 0 则表示请求正确
    if unit_chat_obj["error_code"] != 0: return chat_reply
    # 解析聊天接口返回数据，找到返回文本内容 result -> response_list -> schema -> intent_confidence(>0) -> action_list -> say
    unit_chat_obj_result = unit_chat_obj["result"]
    unit_chat_response_list = unit_chat_obj_result["response_list"]
    # 随机选取一个"意图置信度"[+response_list[].schema.intent_confidence]不为0的技能作为回答
    unit_chat_response_obj = random.choice(
       [unit_chat_response for unit_chat_response in unit_chat_response_list if
        unit_chat_response["schema"]["intent_confidence"] > 0.0])
    unit_chat_response_action_list = unit_chat_response_obj["action_list"]
    unit_chat_response_action_obj = random.choice(unit_chat_response_action_list)
    unit_chat_response_say = unit_chat_response_action_obj["say"]
    return unit_chat_response_say


if __name__ == '__main__':
    while True:
        chat_input = input("请输入:")
        print(chat_input)
        chat_reply = unit_chat(chat_input)
        print("用户输入 >>>", chat_input)
        print("Unit回复 >>>", chat_reply)
        if chat_input == 'Q' or chat_input == 'q':
            break
  • 调用:
python unit.py
  • 输出效果:
请输入:你好啊
你好啊
用户输入 >>> 你好啊
Unit回复 >>> 你也好啊~
请输入:今天天气棒棒哒
今天天气棒棒哒
用户输入 >>> 今天天气棒棒哒
Unit回复 >>> 必须的
请输入:晚饭吃点什么?
晚饭吃点什么?
用户输入 >>> 晚饭吃点什么?
Unit回复 >>> 晚饭没吃，减肥
请输入:

  • 本章总结:

    • 学习了智能对话系统的相关背景知识:
      • 什么是智能对话系统
      • 从处理问题的目的来区分, 智能对话系统的分类
    • 我们的在线医生项目就是任务导向型的智能对话系统.
    • 学习了Unit平台的相关知识:
      • Unit平台是百度大脑开放的智能对话定制与服务平台, 也是当前最大的中文领域对话开放平台之一.
    • 学习了调用Unit API的实现过程:
      • 第一步: 注册登录百度账户, 进入Unit控制台创建自己的机器人.
      • 第二步: 进行相关配置, 获得请求API接口需要的API Key与Secret Key.
      • 第三步: 在服务器上编写API调用脚本并进行测试.
"""
调用Unit API的实现过程:
    第一步: 注册登录百度账户, 进入Unit控制台创建自己的机器人.
    第二步: 进行相关配置, 获得请求API接口需要的API Key与Secret Key.
    第三步: 在服务器上编写API调用脚本并进行测试.
"""
import json
import random
import requests

# client_id 为官网获取的API Key， client_secret 为官网获取的Secret Key
client_id = "xxx"
client_secret = "xxx"

def unit_chat(chat_input, user_id="88888"):
    """
    调用百度UNIT接口，回复聊天内容
    :param chat_input: 用户发送天内容
    :param user_id: 发起聊天用户ID，可任意定义
    :return: 回复内容
    """
    # 设置默认回复内容,  一旦接口出现异常, 回复该内容
    chat_reply = "不好意思，俺们正在学习中，随后回复你。"
    # 根据 client_id 与 client_secret 获取access_token
    url = "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=%s&client_secret=%s" % \
          (client_id, client_secret)
    res = requests.get(url)
    access_token = eval(res.text)["access_token"]
    print("access_token",access_token)
    # 根据 access_token 获取聊天机器人接口数据
    unit_chatbot_url = "https://aip.baidubce.com/rpc/2.0/unit/service/chat?access_token=" + access_token
    # 拼装聊天接口对应请求发送数据，主要是填充 query 值
    post_data = {
                "log_id": str(random.random()),
                "request": {
                    "query": chat_input,
                    "user_id": user_id
                },
                "session_id": "",
                "service_id": "xxx",
                "version": "2.0"
            }
    # 将封装好的数据作为请求内容, 发送给Unit聊天机器人接口, 并得到返回结果
    res = requests.post(url=unit_chatbot_url, json=post_data)
    print("res",res)
    # 获取聊天接口返回数据
    unit_chat_obj = json.loads(res.content)
    print("unit_chat_obj",unit_chat_obj)

    # print(unit_chat_obj)
    # 打印返回的结果
    # 判断聊天接口返回数据是否出错 error_code == 0 则表示请求正确
    if unit_chat_obj["error_code"] != 0:
        return chat_reply
    # 解析聊天接口返回数据，找到返回文本内容 result -> response_list -> schema -> intent_confidence(>0) -> action_list -> say
    unit_chat_obj_result = unit_chat_obj["result"]
    print("unit_chat_obj_result",unit_chat_obj_result)
    unit_chat_response_list = unit_chat_obj_result["response_list"]
    print("unit_chat_response_list",unit_chat_response_list)
    # 随机选取一个"意图置信度"[+response_list[].schema.intent_confidence]不为0的技能作为回答
    unit_chat_response_obj = random.choice(
       [unit_chat_response for unit_chat_response in unit_chat_response_list if
        unit_chat_response["schema"]["intent_confidence"] > 0.0])
    unit_chat_response_action_list = unit_chat_response_obj["action_list"]
    unit_chat_response_action_obj = random.choice(unit_chat_response_action_list)
    unit_chat_response_say = unit_chat_response_action_obj["say"]
    return unit_chat_response_say

if __name__ == '__main__':
    while True:
        chat_input = input("请输入:")
        print(chat_input)
        chat_reply = unit_chat(chat_input)
        print("用户输入 >>>", chat_input)
        print("Unit回复 >>>", chat_reply)
        if chat_input == 'Q' or chat_input == 'q':
            break

あずにゃん
关注
  • 1
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
python调用百度Unit闲聊API实现多轮对话
云计算、数据库、大数据、容器、微服务、深度学习、NLP、Python
05-17 1571
python调用百度Unit闲聊API实现多轮对话 import json import random import requests client_id='yWrjK1t3XhpEqCNnNt3aGYeX' client_secret='uu1RSQzhVmCWHGcP9pYxxcM4Phw8Aru4' def unit_chat(chat_input,user_id=8888): chat_reply='谢谢,客服不在，请稍等' url = "https://aip.baidubce.com/oa
chatbot：基于人工智能的对话系统
02-14
聊天机器人 基于人工智能的对话系统
AI 问答 API 对接说明
最新发布
静觅
05-13 820
我们知道，市面上一些问答 API 的对接还是相对没那么容易的，比如说 OpenAI 的 Chat Completions API，它有一个messages字段，如果要完成连续对话，需要我们把所有的上下文历史全部传递，同时还需要处理 Token 超出限制的问题。
unity +百度UNIT
W_king_9的博客
05-21 831
unity+UNIT 百度UNIT使用保姆级别 百度UNIT 的 API使用理解 具体理解如下 过程步骤 创建UNIT Access Token获取 UNIT API的调用 Unity 源码 效果
contenteditable H5聊天室发送表情（2023.09.27更新）
rrrrroy_Ha的博客
09-19 1896
1.这里用普通的input或其他是显示不了表情的，需要借助div的contenteditable属性，经查证qq空间的动态也是用的这个，表情有两种方案：1.选用emoji表情，优点是全世界通用，无需解析使用简单，适配性强，缺点是个性化不高，观赏度不强。遇到个需求是在H5页面聊天室中可以发送表情，普通的发送信息已经做过了是借助的websocket，发表情类似于QQ微信那样，既需要展示在输入框中，又需要发送给后台，回显到聊天室让大家都看到，这个还是需要仔细考虑考虑的。3.输入框的高度有一定限制，超出后滚动。
Unity 百度智能对话API
weixin_43541308的博客
12-28 5030
前言 前面实现了Unity调用百度的语音识别与语音合成之后呢，我想制作一个智能语音对话助手，本文就来实现智能人机对话（Unit）。 准备工作 第一步还是在百度智能云平台上选择相应的模块（智能对话Unit）创建应用，具体的过程就不多赘述了，以下就直接切入正题。 步骤 （1）制作一个对话框UI （2）获取Access Token，代码如下： /// <summary> /// 获取accessToken请求令牌 /// </summary> /// <r
【Unity自制手册】unity常用API大全——一篇文章足以（十万字详解）
热门推荐
秩沅
12-29 1万+
掌握直接做游戏或者复刻demo，吃透卡拉米，随拿随用，翻阅必备，
百度UNIT对话机器人实例（代码有注释）
02-07
百度UNIT对话机器人实例
BaiduUnitResponse
03-16
在IT行业中，尤其是在自然语言处理（NLP）和人工智能领域，智能对话系统是近年来发展非常迅速的一个方向。其中，百度作为国内领先的科技公司，推出了自己的智能对话平台——UNIT（Unified Natural Language ...
wukong-robot::robot: wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人智能音箱项目，还可能是首个支持脑机交互的开源智能音箱项目
05-01
wukong-robot 是一个简单、灵活、优雅的中文语音对话机器人/智能音箱项目，目的是让中国的 Maker 和 Haker 们也能快速打造个性化的智能音箱。wukong-robot 还可能是第一个开源的脑机唤醒智能音箱。 Table of ...
HibernateAPI中文版.chm
10-07
11.1.1. 操作单元(Unit of work) 11.1.2. 长对话 11.1.3. 关注对象标识(Considering object identity) 11.1.4. 常见问题 11.2. 数据库事务声明 11.2.1. 非托管环境 11.2.2. 使用JTA 11.2.3. 异常处理 11.2.4...
unit-api:Java Unit Api Spring启动启动器
03-09
单位API 实现侧重于SI系统的重新定义，模块化和对Java SE 8/9及更高版本的支持。 集成了各种框架，库和语言，例如Spring Boot，Hibernate，Jackson，Kotlin等。 单位API核心 “单元-api-核心”模块中的代码是从复制而来，适用于本项目。 执照 版权 版权所有（c）2021 Simon Schneider和其他作者。 见所有贡献者。
fakeredis:伪造的redis API（redis-py），用于测试
05-14
创建此文件的目的仅在于：编写unittests 。 设置redis并不困难，但是很多时候您都想编写不与外部服务器对话的单元测试（例如redis）。 现在，该模块允许测试将其简单地用作Redis的合理替代品。 尽管fakeredis是纯...
百度UNIT API3.0调用代码
m0_55019159的博客
05-17 760
更多内容参见官方文档 https://ai.baidu.com/ai-doc/UNIT/qkpzeloou。基于 https://github.com/fredfeng0326/baidu_talk 改进。百度智能对话定制与服务平台（UNIT）机器人对话API。
python代码API接入百度UNIT实现多人对话！！
qq_49268822的博客
01-16 626
需要将skill_ids改为 ”我的闲聊“ 中机器人的多轮对话技能ID，client_id 和client_secret 也要改为你自己的，别忘了在百度平台创建应用UNIT。
百度UNIT聊天API实现聊天对话
ASCE_S的博客
05-18 2056
文章目录1.百度UNIT聊天API的使用2. QT中UI线程与工作线程的双向通信代码示例23.UI 最终效果图： ​ 图1.聊天情况 1.百度UNIT聊天API的使用 代码示例1 # -*- coding=utf-8 -*- import requests class UNIT: def __init__(self, api_key, api_secret): self.access_token = None self.ur
百度API调用(六)——调用百度UNIT对话机器人
自由学者亻伊宸的博客
02-07 5447
调用百度UNIT对话机器人一、功能描述二、创建机器人应用二、在原来的语音识别应用中添加UNIT功能 （或者直接新开一个应用也可以）三、python调用百度对话机器人四、使用实例 一、功能描述   调用百度UNIT平台中自己自定义的机器人接口实现人机交互 二、创建机器人应用 （可以根据自己的需求设置机器人功能） 1、创建机器人的方法：参考官方教程 2、做一个查天气的机器人（教程） 功能简述： 可以自己定义词槽、自己定义回复值、但是有使用此时限制（试用500次，好像有点不够） 教程内容补充： 需要将最后得到的
价值百亿的人工智能部分代码
小张有话说
09-13 543
价值百亿的人工智能部分代码 # -*- coding: utf-8 -*- import random import json import requests import os from aip import AipSpeech from playsound import playsound client_id = "trDlLCP25KyD2f5myKqvFN7B" client_secret = "FlSwaoOs37GvWGTVgAOqxVvfn7uKh011" def unit_chat(
智能对话系统研究
therain123的博客
05-03 2400
对话系统并不是一个新兴的概念，自Weizenbaum于20世纪60年代在麻省理工学院开发Eliza[1]开始，它被认为是第一个对话系统，可以和人进行简单对话，但得到的回复大部分是“What are you saying about…”.微软在20世纪90年代为Office软件配备的虚拟助手Clippy可以认为是最早被大规模推向市场的对话系统，它以对话的方式为用户在使用Office工具的过程中提供帮助，但收效甚微，而且很多用户评价它“冒冒失失令人讨厌”，致使微软不得不将其下线.进入21世纪，Wallace通过

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

あずにゃん

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值