基于智能終端的聊天機(jī)器人設(shè)計

袁瑞雪

摘要：應(yīng)用人工智能技術(shù)，以Android studio為開發(fā)工具，采用Python語言，通過Android調(diào)用第三方語音識別接口，設(shè)計能夠進(jìn)行語音識別輸入與文字轉(zhuǎn)換、根據(jù)發(fā)送信息進(jìn)行自動回復(fù)、可以和其他程序結(jié)合進(jìn)行訓(xùn)練的簡易聊天機(jī)器人。

關(guān)鍵詞：聊天機(jī)器人;自然語言處理;語音交互

中圖分類號：TN929 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2019）10-0144-02

0 引言

隨著社會信息化進(jìn)程的日益加快，人們希望能夠用自然語言與計算機(jī)進(jìn)行交流，聊天機(jī)器人的市場因此產(chǎn)生。聊天機(jī)器人旨在通過自然語言處理等技術(shù)，對人們提出的問題進(jìn)行理解，通過檢索知識庫等方式產(chǎn)生對應(yīng)的回復(fù)[1-2]。它是一種模擬人類的對話模式，使用自然語言與人類進(jìn)行交流的程序。它不僅能回答用戶所提的問題，還能人性化地與用戶交流，同時提醒或者安排用戶完成一些任務(wù)。研究聊天機(jī)器人的相關(guān)技術(shù)，尤其是對話理解等問題，對促進(jìn)人機(jī)交互方式的發(fā)展具有重要意義[3-4]。本設(shè)計旨在通過Android智能終端與機(jī)器人聊天，進(jìn)行語音識別輸入與文字間的轉(zhuǎn)換，理解輸入發(fā)送的信息并進(jìn)行自動回復(fù)，最終將問題的輸入以及對話的效果以APP的形式展示。

1 語料獲取和處理

對話系統(tǒng)的關(guān)鍵基礎(chǔ)就是數(shù)據(jù)集，即語料庫。但目前開源的語料庫很少，該系統(tǒng)選取了兩個語料庫進(jìn)行對比，分別是電影獨白語料庫和公開的小黃雞語料庫。本文選擇學(xué)習(xí)訓(xùn)練時間比較快的小黃雞語料來進(jìn)行學(xué)習(xí)。

原始語料文本不能用來直接訓(xùn)練，需要進(jìn)行句子和向量間的轉(zhuǎn)換;然后是構(gòu)建語料問答對，對其進(jìn)行拆分;最后保存和訓(xùn)練語料模型即深度模型，實現(xiàn)語音識別輸入與文字的轉(zhuǎn)換，理解輸入發(fā)送的信息并進(jìn)行自動回復(fù)并以APP形式展示。

2 Android客戶端交互設(shè)計

安卓交互模塊主要具有如下四個功能：（1）語音識別輸入：軟件調(diào)用科大訊飛接口，具有語音識別輸入的功能，直接對語音內(nèi)容進(jìn)行識別，轉(zhuǎn)換為文本內(nèi)容發(fā)送給服務(wù)器;（2）文字鍵入：除了語音識別輸入，還可以文字的鍵入;（3）信息顯示：內(nèi)容顯示界面，包括軟件名稱，聊天框，聊天內(nèi)容，語音識別功能和發(fā)送按鈕的顯示等;（4）語音播報輸出：在進(jìn)行回答結(jié)果信息顯示的同時可以進(jìn)行語音播放，同樣也是調(diào)用科大訊飛輸出結(jié)果。

3 語音聽寫和合成設(shè)計

該系統(tǒng)調(diào)用的是科大訊飛接口，它是國內(nèi)著名的語音技術(shù)提供商，專業(yè)于語音和文字產(chǎn)品，提供了語音識別和合成接口，可接入使用。該平臺為開發(fā)者們提供了中文分詞、詞性標(biāo)注、語義角色標(biāo)注等NLP技術(shù)服務(wù)。

調(diào)用科大訊飛接口主要有以下步驟：注冊登陸科大訊飛開放平臺（http：//www.xfyun.cn/）、進(jìn)入控制臺、創(chuàng)建應(yīng)用，記下AppID、點擊開通服務(wù)進(jìn)入語音聽寫去下載相對應(yīng)的SDK、下載安卓版本的SDK。

語音合成與語音聽寫識別剛好反過來，是把文字內(nèi)容轉(zhuǎn)變?yōu)檎Z音信息，使得機(jī)器可以像人類一樣說話。

4 客戶端和服務(wù)端設(shè)計

客戶端模塊主要由語音聽寫和合成、網(wǎng)絡(luò)請求和UI繪制這個三個模塊組成。（1）語音聽寫和合成模塊：使用科大訊飛提供的語音聽寫和語音合成SDK，將語音內(nèi)容轉(zhuǎn)變成文本內(nèi)容返回和將文本內(nèi)容轉(zhuǎn)換為語音輸出;（2）網(wǎng)絡(luò)請求模塊：通過http協(xié)議，用get的請求方式將語句字符串發(fā)送到服務(wù)端;（3）UI繪制模塊：以適當(dāng)布局顯示用戶輸入的語句內(nèi)容和服務(wù)端返回的問答字符串結(jié)果。

服務(wù)端的操作系統(tǒng)為mac，環(huán)境配置為python3.7和jdk。首先需要flask模塊，實例一個此類，該系統(tǒng)使用的是單一模塊_name_。用route告訴flask使用url來激發(fā)應(yīng)答函數(shù)。此函數(shù)將問答模型對象中得到結(jié)果的函數(shù)返回給客戶端進(jìn)行信息的顯示。服務(wù)端模塊主要由請求解析模塊、語義解析模塊和應(yīng)答封裝這三個模塊所組成：（1）請求解析模塊：將http數(shù)據(jù)報的內(nèi)容解析到response對象中，供開發(fā)者調(diào)用;（2）語義解析模塊：從請求解析模塊中提取文本，得到應(yīng)答語句，將其提供給應(yīng)答封裝;（3）應(yīng)答封裝：最后把應(yīng)答語句以json串的形式返回給開發(fā)者調(diào)用。

5 模型訓(xùn)練和評估

5.1 模型訓(xùn)練

有基于seq2seq的train和train_anti兩種模型進(jìn)行訓(xùn)練，設(shè)置同樣的參數(shù)進(jìn)行訓(xùn)練比較，其中可以選LSTM和GRU這兩種模型，該系統(tǒng)采用2層隱藏層的神經(jīng)網(wǎng)絡(luò)模型，隱藏節(jié)點個數(shù)為128個，學(xué)習(xí)率即步長為0.001，迭代訓(xùn)練的迭代次數(shù)有20次，100次。

5.2 訓(xùn)練效果評估

交叉熵是Shannon信息論中一個重要概念，主要用于度量兩個概率分布間的差異性信息。交叉熵的意義是對文本識別的難度。將交叉熵引入計算語言學(xué)消岐領(lǐng)域，采用語句的真實語義作為交叉熵的訓(xùn)練集的先驗信息，將機(jī)器翻譯的語義作為測試集后驗信息。計算兩者的交叉熵，并以交叉熵指導(dǎo)對歧義的辨識和消除。

交叉熵可在神經(jīng)網(wǎng)絡(luò)（機(jī)器學(xué)習(xí)）中作為損失函數(shù)（Cross Entropy Loss）。

圖1展示了加入attention機(jī)制后兩種模型訓(xùn)練下的損失函數(shù)。

由圖可見：隨著縱坐標(biāo)數(shù)值的增加損失函數(shù) L 越小;第二種模型收斂的速度更快，交叉熵一開始更小，也更快達(dá)到1以下，優(yōu)于正常的seq2seq模型。

這種優(yōu)勢也是基于迭代次數(shù)的，在前期較少的輪數(shù)訓(xùn)練下，兩種訓(xùn)練效果區(qū)別不大。

訓(xùn)練輪數(shù)為20輪、100輪時同一問題回答效果如圖2所示。

6 結(jié)語

本文針對閑聊機(jī)器人模型的背景，通過對其中可能涉及到的算法的閱讀與學(xué)習(xí)，選擇了最符合本文特點的相應(yīng)算法，依托Andriod開發(fā)環(huán)境搭建出整個聊天機(jī)器人系統(tǒng)。但在由于中文自然語言的復(fù)雜性，產(chǎn)生式聊天機(jī)器人容易構(gòu)建出無意義的回復(fù)，如何將產(chǎn)生式深度模型應(yīng)用于閑聊機(jī)器人領(lǐng)域還需要深入的研究。

參考文獻(xiàn)

[1] 馮志偉.自然語言處理綜論（第二版）[M].北京：人民郵電出版社，2018.

[2] 周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[3] 鄭澤宇，顧思宇.Tensorflow：實戰(zhàn)Google深度學(xué)習(xí)框架[M].北京：電子工業(yè)出版社，2018.

[4] 張旭，崔陽，劉海平.Python自然語言處理[M].北京：人民郵電出版社，2014.