ChatterBot - 03 Training過程 訓練

當機器人訓練師加載了一段數據，它會根據加載的數據構建會話機器人的知識圖譜，過程如下：

1. 訓練師類

• 使用列表數據訓練

  chatterbot.trainers.ListTrainer (storage, ***kwargs*)

  示例1：

  from chatterbot.trainers import ListTrainer

  chatterbot = ChatBot("Training Example")
  chatterbot.set_trainer(ListTrainer)

  chatterbot.train([
      "Hi there!",
      "Hello",
  ])

  chatterbot.train([
      "Greetings!",
      "Hello",
  ])

示例2：

  chatterbot.train([
      "How are you?",
      "I am good.",
      "That is good to hear.",
      "Thank you",
      "You are welcome.",
  ])

示例1和示例2的區別在於，示例1有兩個入口，而示例2有四個入口，也就是說，訓練完成之后，當對示例1的機器人說『Hi there!』或者『Greetings!』均會返回『hello』，對示例2的機器人說列表中的前四句中的任意一句話，機器人都會返回相應的下一句。

• 使用語料庫數據訓練

  chatterbot.trainers.ChatterBotCorpusTrainer (storage, ***kwargs*)

  • 訓練ChatterBot內嵌英文語料庫

  from chatterbot.trainers import ChatterBotCorpusTrainer

  chatterbot = ChatBot("Training Example")
  chatterbot.set_trainer(ChatterBotCorpusTrainer)

  chatterbot.train(
      "chatterbot.corpus.english"
  )

• 訓練ChatterBot內嵌部分語料庫

  chatterbot.train(
      "chatterbot.corpus.english.greetings",
      "chatterbot.corpus.english.conversations"
  )

• 訓練指定路徑的語料庫文件或者指定路徑文件夾內的語料庫

  chatterbot.train(
      "./data/greetings_corpus/custom.corpus.json",
      "./data/my_corpus/"
  )

• 使用Twitter的API接口訓練

  chatterbot.trainers.TwitterTrainer (storage, ***kwargs*)

  參數：

  • random_seed_word - 首次查詢使用的關鍵字，默認：random
  • twitter_consumer_key - 用戶KEY
  • twitter_consumer_secret - 用戶密鑰
  • twitter_access_token_key - 訪問token
  • twitter_access_token_secret - 訪問密鑰

  示例

  # -*- coding: utf-8 -*-
  from chatterbot import ChatBot
  from settings import TWITTER
  import logging


  '''
  This example demonstrates how you can train your chat bot
  using data from Twitter.

  To use this example, create a new file called settings.py.
  In settings.py define the following:

  TWITTER = {
      "CONSUMER_KEY": "my-twitter-consumer-key",
      "CONSUMER_SECRET": "my-twitter-consumer-secret",
      "ACCESS_TOKEN": "my-access-token",
      "ACCESS_TOKEN_SECRET": "my-access-token-secret"
  }
  '''

  # Comment out the following line to disable verbose logging
  logging.basicConfig(level=logging.INFO)

  chatbot = ChatBot(
      "TwitterBot",
      logic_adapters=[
          "chatterbot.logic.BestMatch"
      ],
      input_adapter="chatterbot.input.TerminalAdapter",
      output_adapter="chatterbot.output.TerminalAdapter",
      database="./twitter-database.db",
      twitter_consumer_key=TWITTER["CONSUMER_KEY"],
      twitter_consumer_secret=TWITTER["CONSUMER_SECRET"],
      twitter_access_token_key=TWITTER["ACCESS_TOKEN"],
      twitter_access_token_secret=TWITTER["ACCESS_TOKEN_SECRET"],
      trainer="chatterbot.trainers.TwitterTrainer"
  )

  chatbot.train()

  chatbot.logger.info('Trained database generated successfully!')

• 使用Ubuntu對話語料庫訓練

  chatterbot.trainers.UbuntuCorpusTrainer (storage, ***kwargs*)

  該訓練師類會自動下載、解壓語料庫，如果已經存在下載文件，則不會重新下載，如果存在解壓后的文件，也不會再次進行解壓操作，由於Ubuntu的語料庫文件較大，所以下載、解壓、訓練的過程會花費較長時間。

2. 創建自定義訓練師類

現有的訓練師不能正確識別數據源格式時，需要自己構建訓練師類。自己構建的訓練師類需要繼承 chatterbot.trainers.Trainer類，並且需要實現train方法，參數可以自行定義。