智能对话系统：Unit对话API

最新推荐文章于 2024-07-26 13:24:37 发布
最新推荐文章于 2024-07-26 13:24:37 发布
阅读量2.3k 收藏 31
点赞数 2
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
  • 2
    点赞
  • 踩
  • 31
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
人工智能产品经理：人机对话系统设计逻辑探究（笔记）
爱学习的程序媛
08-28 1445
读《人工智能产品经理：人机对话系统设计逻辑探究》书籍做的笔记。
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
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
AI 问答 API 对接说明
静觅
05-13 878
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。
Python调用Unit闲聊对话API的应用
YJY131248的博客
06-15 1728
文章目录1 机器人的创建2 Python调用API的代码实现 简介：利用百度大脑平台（百度智能对话定制与服务平台，即UNIT）提供的API接口，实现可以完成闲聊功能的智能对话机器人 1 机器人的创建 访问百度大脑网址：https://ai.baidu.com/unit/home 点击进入UNIT： 然后登陆百度账号，进入到以下页面，点击我的机器人： 点击“+”号创建机器人，我们设置机器人名称为“闲聊机器人”，描述里写“闲聊”，然后创建： 点击新创建好的机器人界面，点击技能管理界面： 然后点击蓝字
Unity 百度智能对话API
weixin_43541308的博客
12-28 5032
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
百度UNIT 机器人多轮对话技能创建以及API调用
Michelle-q
03-01 6244
百度UNIT 机器人多轮对话技能创建以及API调用 基于百度UNIT2.0 版本，实现简单的多轮人机对话功能 创建机器人必备条件 确定有哪些技能 例如：查询天气、订票、讲故事等，以畅越冰激凌套餐营销话术为例 创建技能 确定技能包含的意图 分析是任务型、闲聊型还是问答型。 任务型： 将用户意图的关键词参数化成词槽，完成任务。例如订票、退票、办理业务等 问答型：有固定答案的对话，回答比较明确。例...
百度UNIT聊天API实现聊天对话
ASCE_S的博客
05-18 2059
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
使用百度UNIT配置智能对话机器人的注意事项,开发者必看!
zbp_12138的博客
04-11 1512
首先是AI社区UNIT板块里官方发的的: 【小白终结帖】UNIT开发者必备学习资料大集合 视频可以不看,但是这篇帖子一定要看,满满的都是干货! 帖子上有的内容,这里就不重复了,下面是配置智能对话机器人的五个注意事项: 不要直接将汉字配置到模版片段中 避免出现每个模版只有一个模版片段的情况 每个模版片段不要包含多条关键信息 避免出现某个模版里所有模版片段都为必须匹配或非必须匹配 通配符可以用,但...
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 5469
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
NLP案例学习（在线医生）——一、unit对话API应用
Bella的博客
05-17 1083
一、unit对话API应用 1.1理解智能对话系统： 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，闲聊. 1.2 Unit对话API的使用 学习目标: 了解Unit平台的相关知识. （Understanding and Interaction Technology） 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. 掌握调用Unit API的实现过
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 ...
百度UNIT产品使用手册_v3.0.3.pdf
11-15
- **4.4 机器人对话API调用**：集成到其他系统中的API接口。 **5. 我的知识** - **5.1 功能概述**：介绍知识库的使用方法。 - **5.2 图谱知识库** - **定义知识类目及属性**：设置知识图谱的结构。 - **上传原始...
2024钉钉杯A题思路详解
最新发布
全栈川川
07-26 1492
2024钉钉杯思路
随机数种子的作用
帆的博客
07-23 1310
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
常见的文心一言的指令
知码客
07-25 1046
文心一言，作为百度研发的预训练语言模型“ERNIE 3.0”的一项功能，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
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