写点什么

ChatGPT 入门案例|商务智能对话客服(二)

作者:TiAmo
  • 2023-02-16
    江苏
  • 本文字数:4031 字

    阅读完需:约 13 分钟

ChatGPT入门案例|商务智能对话客服(二)

ChatGPT 是人工智能研究实验室 OpenAI 新推出的一种人工智能技术驱动的自然语言处理工具,使用了 Transformer 神经网络架构,也是 GPT-3.5 架构,这是一种用于处理序列数据的模型,拥有语言理解和文本生成能力,尤其是它会通过连接大量的语料库来训练模型,这些语料库包含了真实世界中的对话,使得 ChatGPT 具备上知天文下知地理,还能根据聊天的上下文进行互动的能力,做到与真正人类几乎无异的聊天场景进行交流。

ChatGPT 不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

本篇我们将通过实例说明远程交互式、本地交互式以及定制型客服的应用。


■ 测试智能客服


01、问答智能客服实战


书接上文,目前基于模板的客服应用程序比较多,第一种是基于远程模式的问答对话,详见上一篇推文。本篇主要介绍第二种和第三种。第二种是基于本地模板的问答对话应用,需要提前将模板下载到本地安装。第三种是基于用户定制的问答系统,这种方式用户需要编写自定义代码。

基于 Python 框架的智能对话应用模板可以在网址https://github.com/microsoft/BotBuilder-Samples/tree/main/samples/python下载。使用到的其他应用包括 Bot Framework Emulator(下载网址为https://github.com/Microsoft/BotFramework-Emulator/releases/tag/v4.13.0),代理应用程序 Ngrok(下载网址为https://ngrok.com/download)。启动环境执行 pip install botbuilder.ai 安装智能客服相应库文件。

基于本地交互模式问答客服

基于本地交互模式需要事先将模板文件下载到本地,例如,可以下载 https://github.com/microsoft/BotBuilder-Samples/releases/download/Templates/core.zip。模型下载完成后启动 Bot Framework Emulator 程序,在客服程序 URL 中输入“http://localhost:xxxx/api/messages”,参见图 1 和图 2。


 ■ 图 1 本地模板连接设置


 ■ 图 2 基于本地交互的智能客服设置

连上客服后,单击 Ask a question 按钮,启动问答型程序,参见图 3。


■ 图 3 本地模板选项

接着根据提示信息输入问题,进行问答对话,参见图 4。


■ 图 4 本地模板连接测试

基于定制型问答客服实例

定制型智能客服程序一般需要事先选择语料库,去除噪声信息后根据算法对语料进行训练,最后提供人机接口进行问答对话。基于互联网获得的医学语料库,并通过余弦相似度基本原理,我们设计并开发了问答型智能医疗客服应用程序。

(1) 测试程序 function.py 主要代码。

# 导入库文件import numpy as npdef display_response(outcome1,outcome2):        if outcome1 is not None:        outcome = outcome1    elif outcome2 is not None:        outcome = outcome2    else:        outcome = "非常抱歉,目前暂时没有搜索到与您的问题相匹配的答案,我们会继续关注您的问题,欢迎您下次继续光临。"    return outcome #文本余弦相似度计算def cosine_similarity(text1, text2):            cos_text1 = (Counter(text1))    cos_text2 = (Counter(text2))    similarity_text1 = []    similarity_text2 = []    for i in set(text1 + text2):        similarity_text1.append(cos_text1[i])        similarity_text2.append(cos_text2[i])     similarity_text1 = np.array(similarity_text1)    similarity_text2 = np.array(similarity_text2)     return similarity_text1.dot(similarity_text2) / (np.sqrt(similarity_text1.dot(similarity_text1)) * np.sqrt(similarity_text2.dot(similarity_text2)))  #智能客服问候语匹配,相似度的数值可以定制def greeting_response(msg,input_greet,output_greet):    selection = {}    for key, value in enumerate(input_greet):        comparison = cosine_similarity(msg, value)        if comparison > 0.6:            selection[key] = comparison        sort = sorted(selection.items(), key=lambda x: x[1], reverse=True)    outcome = output_greet[sort[0][0]] if  len(selection) != 0 else None    return  outcome      #问答预测操作def prediction(message):    input_greet = []    output_greet = []    with open("label.csv", 'r',encoding='utf-8') as df:        greets = csv.reader(df)        next(greets)        for greet in greets:            input_greet.append(greet[1])            output_greet.append(greet[2])    #相似度阈值的设定可以定制    selection = {}    for key, value in enumerate(input_greet):        comparison = cosine_similarity(message, value)        if comparison > 0.1:            selection[key] = comparison        sort = sorted(selection.items(), key=lambda x: x[1], reverse=True)    outcome = output_greet[sort[0][0]] if  len(selection) != 0 else None    return  outcome     #根据用户输入信息输出响应处理def entrance(msg):    input_greet = []    output_greet = []    with open("greeting.csv", 'r',encoding='utf-8') as df:        greets = csv.reader(df)        next(greets)        for greet in greets:            input_greet.append(greet[0])            output_greet.append(greet[1])    outcome1 = greeting_response(msg,input_greet,output_greet)    outcome2 = prediction(msg)    outcome = display_response(outcome1,outcome2)    return outcome
复制代码

 (2) 界面显示模块 chatrobot.py 主要代码。

#导入库文件import timeimport tkinter as tkfrom tkinter import *from tkinter import Tkfrom tkinter import  Textfrom tkinter import  Buttonfrom function import * #设置智能客服应用界面风格tk = Tk(screenName=None, baseName=None)tk.title('智能医疗客服')tk.geometry('500x600')tk.resizable(True, True)  #定义用户提问和客服回答消息处理函数def msgProcess():      #获取用户的输入信息    msg = txt.get("1.0",'end-1c').strip()    #删除用户的输入信息    txt.delete("0.0",END)    #定义用户消息和客服消息的颜色显示区分    chatmsg.tag_config('question', background="white", foreground="blue")    chatmsg.tag_config('answer', background="white", foreground="black")     if msg != "":    #获取和显示用户消息        tmsg = '【用户问题】 ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n'        chatmsg.insert(END, tmsg, 'question')        chatmsg.insert(END, msg + '\n\n','question')        #根据用户的输入信息进行匹配操作               outcome = entrance(msg)        chatmsg.config(state=NORMAL)                #获取和显示客服应答消息        botresponse = '【客服回答】 ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n'        chatmsg.insert(END, botresponse, 'answer')        chatmsg.insert(END, outcome + '\n\n', 'answer')    else:        tmsg = '用户问题: ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n'        chatmsg.insert(END, tmsg, 'question')        chatmsg.config(state=NORMAL)        chatmsg.insert(END, msg + '\n\n','question')        botresponse = '客服回答: ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n'        chatmsg.insert(END, botresponse, 'answer')        chatmsg.insert(END, "对不起,我没有理解您的问题,请输入您要咨询的问题。"+'\n\n', 'answer') # 取消发送消息def msgCancel():    txt.delete('0.0', END) chatmsg = Text(tk, borderwidth=0, cursor=None,state=NORMAL, background="white", height="12", width="70", font="kaiti",wrap=WORD) #设置滚动条srb = Scrollbar(tk, command=chatmsg.yview, activebackground=None,background="white",borderwidth=0,highlightcolor="purple",cursor="arrow",jump=0,orient=VERTICAL,width=16,elementborderwidth=1)srb.pack( side = RIGHT, fill = Y )chatmsg['yscrollcommand'] = srb.setchatmsg.see("end") #设置信息输入框风格txt = Text(tk, borderwidth=0, cursor=None,background="white",width="25", height="8", font="kaiti",wrap=WORD) #设置发送消息按钮风格msgBtnS = Button(tk, font=("kaiti",12,"bold"), text="提交咨询", width=12, height=8,highlightcolor=None,image=None,justify=CENTER,state=ACTIVE,borderwidth=0, background="#111fed", activebackground="#524e78",foreground ='white',relief=RAISED,                    command= msgProcess )                    msgBtnC = Button(tk, font=("kaiti",12,"bold"), text="取消咨询", width=12,height=8,highlightcolor=None,image=None,justify=CENTER,state=ACTIVE,borderwidth=0, background="#111fed", activebackground="#524e78",foreground ='white',relief=RAISED,                    command= msgCancel ) #显示组件内容srb.place(relx=0.8, rely=0.35, relwidth=0.03, relheight=0.66, anchor='e')chatmsg.place(relx=0.0, rely=0.35, relwidth=0.8, relheight=0.66, anchor='w')txt.place(relx=0.002, rely=0.685, relwidth=0.8,relheight=0.2)msgBtnS.place(bordermode=OUTSIDE,relx=0.1, rely=0.9, relwidth=0.2,relheight=0.05)msgBtnC.place(bordermode=OUTSIDE,relx=0.4, rely=0.9, relwidth=0.2,relheight=0.05) tk.mainloop()
复制代码

 (3) 执行代码,启动智能医疗客服程序,输入问候语后再输入医疗问题查询,客服程序输出反馈应答给用户,如图 5 和图 6 所示。


 ■ 图 5 启动智能客服


■ 图 6 测试智能客服

发布于: 2023-02-16阅读数: 20
用户头像

TiAmo

关注

有能力爱自己,有余力爱别人! 2022-06-16 加入

CSDN全栈领域优质创作者,万粉博主;阿里云专家博主、星级博主、技术博主、阿里云问答官,阿里云MVP;华为云享专家;华为Iot专家;亚马逊人工智能自动驾驶(大众组)吉尼斯世界纪录获得者

评论 (2 条评论)

发布
用户头像
推荐了
2023-02-16 21:43 · 上海
回复
感谢支持呀
2023-02-17 08:09 · 江苏
回复
没有更多了
ChatGPT入门案例|商务智能对话客服(二)_openai_TiAmo_InfoQ写作社区