Skip to main content

a good chatbot

Project description

小懒猫闲聊SDK

这是小懒猫AI推出的闲聊SDK1.1.1版本。这个SDK是pyd文件。

使用说明

chat.pyd:

示例:
-- coding: 'utf-8' --

 from chat import chats

 print("您需要什么帮助")

 while True:

     sel = input()

     q = chats.chat(None,sel,"your-bot-name",age,"x","like")

     print(q)
函数:

1.chats.chat(self,ji,name,age,xibe,like)

self填任何东西都可以,建议填None

ji填问题

name填机器人的名字

age填机器人的年龄

xibe填机器人的性别

like填机器人的爱好

module.pyd:

module:

以下modulename不包括文件后缀.h6

这个文件可以为用户定制机器人编写语料库,如编写客服机器人,聊天机器人

预训练模型在module-tool中

chat.h6:

这个模型包含404条语料(预训练模型)(通用)

chat.txt:

chat.h6对应文件数据集,自己编写数据集请参考

chat-1.h6:

内容与chat.h6部分相同(女),101条语料

语料库来源:

1.chatterbot库语料库

2.腾讯智能闲聊

3.网上图片

4.自编

数据集编写规范:

--问题--(分割符,可自定义,但chat.txt,chat-1.txt必须是空格) --答案1#答案2--(分割符,可自定义,但chat.txt,chat-1.txt必须是空格) --相似度--(如1,0.9,0.8,0.7,0.33)(不超过1)

函数

训练函数

module.train(self,g,filename,modulename,encoding)

self填None

g填分割符

filename填数据集文件名(是txt文件)

modulename是模型名

encoding填编码(如gbk,utf-8)

模型使用函数:

module.chat(self,q,modulename)

self填None

q填问题

modulename填模型名(不包括.h6)

modulename是模型名

Best:

module.Best_train(self,g,filename,modulename,encoding)

self填None

g是分割符

filename填数据集名

modulename填模型名

encoding填编码(如gbk,utf-8)

Best数据集:

问题(分割符,可自定义,但chat.txt,chat-1.txt必须是空格) 答案

module.Best_chat(self,g,q,modulename):

(其实module_tool中的预训练模型也可以用这个函数使用)

self不填

q填问题

modulename填模型名

q指问题

示例:

from module import module as chat

chat.train(None,' ','module-tool\chat','module-tool\chat')

while True:

    s = input()

    d = chat.chat(None,s,' ','module-tool\chat')#d = chat.Best_chat(None,s,' ','module-tool\chat

    print(d)

效果:


1次/##########/100%

......


你好吗

你好

bot:

这是一个基于module的扩展,可以让聊天机器人不那么傻

示例1:

from module import bot

from module import compare

from module import module

module.train(None,' ','module-tool\chat','module-tool\chat','utf-8')

Zhou = bot('Zhou')

Zhou.reset()

while True:

    s = input()

    a = Zhou.bot(s,'小智不能理解','module-tool\chat',',你烦不烦,None)

    print(a)

效果:


1次/##########/100%

......

你好

你好

你好

看到你好我都不知道要回什么那就回你好吧,你烦不烦

示例2(使用tihuan):

from module import bot

from module import compare

from module import module

module.train(None,' ','module-tool\chat','module-tool\chat','utf-8')

Zhou = bot('Zhou')

Zhou.reset()

while True:

    s = input()

    a = Zhou.bot(s,',小智','小智不能理解','module-tool\chat',None,['你烦不烦','到底你是机器人还是我是机器人'])

    print(a)

效果:


1次/##########/100%

......

你好(问)

你好(答)

你好(问)

你烦不烦(答)

你好(问)

到底你是机器人还是我是机器人(答)

这里的XXX可以自定义

XXX = bot(botname)

这个函数可以创建一个机器人,并生成XXX.bot文件

botname指生成XXX.bot的文件名,不包括.bot。

XX.bot(self,q,chu,Nonesay,modulename,again,tihuan)

self填None

q填问题

chu填对一些没用的词,系统会把这些词去掉。(chu参数可为列表(list)或字符串(str))

Nonesay是当调用Best_chat函数的返回结果是None时,返回的语句。(Nonesay参数可为列表(list)或字符串(str))

modulename指模型名(module)

again填再次问一个问题的后缀,不用可填None或False

tihuan填再次问一个问题的替换句,即可为列表(list)或字符串(不用可填None或False(注意:again和tihuan必须使用其中一项)

XXX.reset()

重置机器人

compare.pyd:

这是一个chat.pyd的依赖项

函数:

compare(str1,str2)

str1,str2填对比的文本

pyd文件:

pyd文件采用cython在windows编译的二进制文件,是无法进行反编译。

要求:

1.Python3.8.6rc1(必须要下载这个版本)

下载地址:Python

2.chat.pyd需要requests==2.24(查天气)

源代码:

本SDK的代码禁止个人获取,只提供服务。

使用方法:

1.下载SDK之后解压,建议下载zip文件(git下载可跳过)

2.把解压的文件改为您的项目名

3.编写py文件,导入参考示例

4.运行

用户使用协议:

希望各位用户遵守以下条款:

1.不将SDK发布到CSDN平台(CSDN平台下载很麻烦)

2.在fork此储存库同时,不能更改README.md文件

                      小懒猫AI

联系邮箱:earuil@outlook.com

github:github

gitee地址2:gitee2

一般是github先更新

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distributions

No source distribution files available for this release.See tutorial on generating distribution archives.

Built Distribution

pychatbots-1.1.5-py3-none-any.whl (84.4 kB view details)

Uploaded Python 3

File details

Details for the file pychatbots-1.1.5-py3-none-any.whl.

File metadata

  • Download URL: pychatbots-1.1.5-py3-none-any.whl
  • Upload date:
  • Size: 84.4 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/3.2.0 pkginfo/1.5.0.1 requests/2.24.0 setuptools/50.3.2 requests-toolbelt/0.9.1 tqdm/4.49.0 CPython/3.8.6rc1

File hashes

Hashes for pychatbots-1.1.5-py3-none-any.whl
Algorithm Hash digest
SHA256 61ed0cbaccddd49a41af18a64650f92efa45dd3ee4af89296501d58e02b9f9eb
MD5 71a42131259769be6c5684c3011adf53
BLAKE2b-256 96e7a54c7bf71ed40e0a2f7c5067aa3263c902ddaae93a1e1bfa530532701857

See more details on using hashes here.

Supported by

AWS AWS Cloud computing and Security Sponsor Datadog Datadog Monitoring Fastly Fastly CDN Google Google Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Sentry Sentry Error logging StatusPage StatusPage Status page