编写聊天机器人代码。

导入中文分词库

import jieba

对语料库进行分词，分词结果存入fenci_result.txt文件

f1 = open('corpus.txt', encoding="utf8")
f2 = open('fenci_result.txt', 'a', encoding="utf8")
lines = f1.readlines()
for line in lines:
line.replace('\t', '').replace('\n', '').replace(' ', '')
seg_list = jieba.cut(line)

# 将词汇以空格隔开
f2.write(' '.join(seg_list))

f1.close()
f2.close()

获取计算文本向量及其相似度模型

from gensim.models import word2vec

sentences = word2vec.Text8Corpus('fenci_result.txt')
model = word2vec.Word2Vec(sentences)
model.save("word2Vec.model")

导入相关库

import json
import random
import math

加载和解析模板文件

f3 = open('templet.txt', encoding="utf8")
str = ''
for line in f3.readlines():
str += line
content = json.loads(str)

f3.close()

print(content)

寻找最大相似度的回答

def answer(input):

# 存储最大相似度
similarityMax = 0
# 存储最大相似度问句的下标
similarityIndex = -1
# 对用户输入做分词处理
input_word_arr = list(jieba.cut(input))
# 遍历规则库
for i in range(len(content)):
    title_word_arr = list(jieba.cut(content[i]['title'].replace(' ', '')))
    #print(title_word_arr)
    # 使用try...except语法来做余弦相似度计算，避免因词向量小而引发报错
    #similarity越大越相似
    try:
        similarity = model.wv.n_similarity(input_word_arr, title_word_arr)
    except Exception:
        similarity = 0
    # 储存当前最大相似度及其下标
    if similarityMax < similarity:
        similarityMax = similarity
        similarityIndex = i
# 随机取一个回复，如果similarityIndex为-1，则说明未匹配到相似语句
if similarityIndex != -1:    
    reply_index = math.floor(random.random() * len(content[similarityIndex]['reply']))
    if reply_index:
        return {"title": content[similarityIndex]['title'], "reply": content[similarityIndex]['reply'][reply_index]}
return {"title": "无", "reply": "抱歉，我不太明白您的意思"}

对话流程

def main():
while True:

    #接受用户输入
    input_str = input("用户：")
    #寻找匹配的答复
    result = answer(input_str)
    #输出结果
    print("匹配到问题: %s 回答： %s" % (result['title'], result['reply']))

main()
聊天