上一篇(安装):https://www.cnblogs.com/Ctrl-cCtrl-v/p/13220584.html

基础代码:

 1 from chatterbot import ChatBot
2 from chatterbot.trainers import ListTrainer
3
4 chatbot = ChatBot("小土豆",
5 trainer='chatterbot.trainers.ListTrainer',
6 )
7
8
9
10 conversation = [
11 "你好",
12 "Hi~",
13 "你好啊!"
14 ]
15 chatbot.train(conversation)
16
17 conversation = [
18 "你好吗?",
19 "我很好,谢谢!"
20 ]
21 chatbot.train(conversation)
22
23 conversation = [
24 "你叫什么名字?",
25 "我叫小土豆"
26
27 ]
28 chatbot.train(conversation)
29
30 conversation = [
31 "你过得怎么样?",
32 "我很好,谢谢!"
33 ]
34 chatbot.train(conversation)
35
36 conversation = [
37 "哈哈",
38 "呵呵",
39 "呵呵哒"
40 ]
41 chatbot.train(conversation)
42
43
44 while True:
45 h=input("话:")
46 response = chatbot.get_response(h)
47 print(response)

小土豆是机器人名字没啥用

conversation列表是训练的话,一问一答

默认使用的Levenshtein distance算法能让引擎从问答对中选出一个相近的回答

你还可以在第4行代码上加上

 1 logic_adapters=[
2 {
3 'import_path': 'chatterbot.logic.BestMatch'
4 },
5 {
6 'import_path': 'chatterbot.logic.LowConfidenceAdapter',
7 'threshold': 0.65, #匹配度
8 'default_response': 'I am sorry, but I do not understand.' #低于匹配度默认回答
9 }
10 ]
11
12 read_only=True #不学习用户输入的东西,建议关闭,他会乱学习,效果不好!

最终高级版:

 1 from chatterbot import ChatBot
2 from chatterbot.trainers import ListTrainer
3
4 chatbot = ChatBot("小土豆",
5 trainer='chatterbot.trainers.ListTrainer',
6 read_only=True,
7 logic_adapters=[
8 {
9 "import_path": 'chatterbot.logic.BestMatch'#回话逻辑
10
11 },
12
13 {
14 'import_path': 'chatterbot.logic.LowConfidenceAdapter',#回话逻辑
15 'threshold': 0.65,#低于置信度,则默认回答
16 'default_response': '我还是个小孩子,不知道怎么回答'
17 }]
18 )
19
20
21
22 conversation = [
23 "你好",
24 "Hi~",
25 "你好啊!"
26 ]
27 chatbot.train(conversation)
28
29 conversation = [
30 "你好吗?",
31 "我很好,谢谢!"
32 ]
33 chatbot.train(conversation)
34
35 conversation = [
36 "你叫什么名字?",
37 "我叫小土豆"
38
39 ]
40 chatbot.train(conversation)
41
42 conversation = [
43 "你过得怎么样?",
44 "我很好,谢谢!"
45 ]
46 chatbot.train(conversation)
47
48 conversation = [
49 "哈哈",
50 "呵呵",
51 "呵呵哒"
52 ]
53 chatbot.train(conversation)
54
55
56 while True:
57 h=input("话:")
58 response = chatbot.get_response(h)
59 print(response)

ChatterBot人工智能,聊天机器人,无坑指南(安装,使用)(2.使用篇)的更多相关文章

  1. 用 AIML 开发人工智能聊天机器人

    借助 Python 的 AIML 包,我们很容易实现人工智能聊天机器人.AIML 指的是 Artificial Intelligence Markup Language (人工智能标记语言),它不过是 ...

  2. 【翻译】用AIML实现的Python人工智能聊天机器人

    前言 用python的AIML包很容易就能写一个人工智能聊天机器人. AIML是Artificial Intelligence Markup Language的简写, 但它只是一个简单的XML. 下面 ...

  3. 一个使用 Python 的人工智能聊天机器人框架

    一个Python 的 AI Chatbot框架 建立一个聊天室可以听起来很棒,但它是完全可行的. IKY是一个内置于Python中的AI动力对话对话界面. 使用IKY,很容易创建自然语言会话场景,无需 ...

  4. 记录k8s:k8s1.8.4无坑离线安装

    安装部署: 1. 使用vagrant 准备3太虚拟机,自己使用Vbox 准备3太也可以. 2. 按照 https://github.com/gjmzj/kubeasz 安装. 3. 使用letsenc ...

  5. QQ 聊天机器人API

    QQ机器人是腾讯陆续推出的的人工智能聊天机器人的总称. 都说小Q妹妹聪明好学,我们能够教她说话.也能够请他帮忙查询邮编.手机号,或者解释成语.翻译成语,据说她还会查询手机号码归属地.应用科学计算器. ...

  6. 聊天机器人(chatbot)终极指南:自然语言处理(NLP)和深度机器学习(Deep Machine Learning)

    在过去的几个月中,我一直在收集自然语言处理(NLP)以及如何将NLP和深度学习(Deep Learning)应用到聊天机器人(Chatbots)方面的最好的资料. 时不时地我会发现一个出色的资源,因此 ...

  7. 人工智能不过尔尔,基于Python3深度学习库Keras/TensorFlow打造属于自己的聊天机器人(ChatRobot)

    原文转载自「刘悦的技术博客」https://v3u.cn/a_id_178 聊天机器人(ChatRobot)的概念我们并不陌生,也许你曾经在百无聊赖之下和Siri打情骂俏过,亦或是闲暇之余与小爱同学谈 ...

  8. 【自然语言处理篇】--Chatterbot聊天机器人

    一.前述 ChatterBot是一个基于机器学习的聊天机器人引擎,构建在python上,主要特点是可以自可以从已有的对话中进行学(jiyi)习(pipei). 二.具体 1.安装 是的,安装超级简单, ...

  9. Rasa Stack:创建支持上下文的人工智能助理和聊天机器人教程

    相关概念 Rasa Stack 是一组开放源码机器学习工具,供开发人员创建支持上下文的人工智能助理和聊天机器人: • Core = 聊天机器人框架包含基于机器学习的对话管理 • NLU = 用于自然语 ...

  10. ElasticSearch入坑指南之概述及安装

    ---恢复内容开始--- ElasticSearch入坑指南之概述及安装 了解ElasticSearch ElasticSearch(简称ES)基于Lucene的分布式全文检索引擎.使用ES可以实现近 ...

随机推荐

  1. [评测/调研/AIGC/流媒体] 视频内容自动生成摘要工具

    概述:视频内容自动生成摘要工具 SolidPoint | 仅支持 简介 SolidPoint 是一款AI驱动的在线视频摘要工具,专注于自动生成YouTube视频的简洁摘要. 通过分析视频内容提取关键点 ...

  2. 一些Qt样式设计的小积累

    QRadioButton 的设计 QRadioButton分有两个部分,由按钮和背景文字组成. QRadioButton::indicator { ...; // 设置你想要的属性 } QRadioB ...

  3. Vue3-DeepSeek-Chat流式AI对话|vite6+vant4+deepseek智能ai聊天助手

    原创新作vue3.5+deepseek+vant4+vant4仿DeepSeek-R1流式输出ai聊天对话. deepseek-vue3-chat : 实战2025智能大模型ai会话,基于Vue3+V ...

  4. php 配置Gmail 发送邮件 PHPMailer

    hotmail 获取邮箱授权码 准备 首先你应该登陆https://mail.google.com地址,注册一个Gmail邮箱,然后设置开启IMAP访问 打开设置,开启IMAP访问 获取应用专用密码 ...

  5. Flask快速入门2

    六,Flask HTTP方法 Http协议是万维网中数据通信的基础.在该协议中定义了从指定URL检索数据的不同方法. 下表总结了不同的http方法: 序号 方法 描述 1 GET 以未加密的形式将数据 ...

  6. AI穿上身:苹果手表如何改变你的生活?

    楔子:一个普通理工男的科技启示录 我是张三,一个标准的90后理工男.在这个日新月异的科技时代,我习惯用精密的逻辑和近乎机械的效率来审视世界.每天早上6点45分准时起床,每一分钟都被精确地规划,生活就像 ...

  7. 【Java】各种代码块的执行顺序

    静态代码块:用staitc声明,jvm加载类时执行,仅执行一次 构造代码块:类中直接用{}定义,每一次创建对象时执行. 执行顺序优先级:静态块,main(),构造块,构造方法. 构造函数 public ...

  8. 第10章面向对象编程(高级部分)-cnblog

    类变量与类方法 static修饰的成员变量(类变量,静态变量)的特性? 同一个类所有对象共享 类变量是随着类的加载而创建, 所以即使没有创建对象实例也可以访问 ,但是类变量的访问, 必须遵守 相关的访 ...

  9. 技术博客:如何构建AI模拟面试系统(附完整GitHub代码)

    引言:当董明珠.雷军.马斯克和特朗普成为你的面试官 在当今竞争激烈的求职市场中,模拟面试系统正成为开发者提升竞争力的秘密武器.但传统的模拟面试太过平淡,于是我开发了一个多风格AI面试官系统,让你可以体 ...

  10. 第一次3D打印,一个简单的小方块(rhino)

    一.建模 打开犀牛,我们选择立方体 我们点击上册的中心点 输入0,然后回车0 而后我们输长度:10,回车确认 同样的,宽度10 高度同样是10 回车确认后,我们得到一个正方形 二.导出模型 我们选择文 ...