河北铝单板生产厂家一分耕耘一分收获（chatlink immks）

原标题：Chat客服入门案例｜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。

01

■ 图9-13本地模板连接设置

■ 图9-15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9-16。

■ 图9-16本地模板连接测试 （1） 测试程序function.py主要代码 # 导入库文件importnumpy asnp defdisplay_response(outcome1,outcome2)。

: ifoutcome1 isnotNone: outcome = outcome1 elifoutcome2 isnotNone: 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"returnoutcome #文本余弦相似度计算defcosine_similarity(text1, text2)。

: cos_text1 = (Counter(text1)) cos_text2 = (Counter(text2)) similarity_text1 = [] similarity_text2 = []

fori inset(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) returnsimilarity_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 defgreeting_response(msg,input_greet,output_greet): selection = {} forkey, value

inenumerate(input_greet): comparison = cosine_similarity(msg, value) ifcomparison > 0.6: selection[key] = comparison

sort = sorted(selection.items, key= lambdax: x[ 1], reverse= True) outcome = output_greet[sort[ 0][ 0

]] iflen(selection) != 0elseNonereturnoutcome #问答预测操作 defprediction(message): input_greet = [] output_greet = []

withopen( "label.csv", r,encoding= utf-8) asdf: greets = csv.reader(df) next(greets) forgreet ingreets:

input_greet.append(greet[ 1]) output_greet.append(greet[ 2]) #相似度阈值的设定可以定制 selection = {} forkey, value

inenumerate(input_greet): comparison = cosine_similarity(message, value) ifcomparison > 0.1: selection[key] = comparison

sort = sorted(selection.items, key= lambdax: x[ 1], reverse= True) outcome = output_greet[sort[ 0][ 0

]] iflen(selection) != 0elseNonereturnoutcome #根据用户输入信息输出响应处理defentrance(msg): input_greet = [] output_greet = []

withopen( "greeting.csv", r,encoding= utf-8) asdf: greets = csv.reader(df) next(greets) forgreet ingreets:

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) returnoutcome （2） 界面显示模块chatrobot.py主要代码。

#导入库文件importtime importtkinter astk fromtkinter import* fromtkinter importTk fromtkinter importText

fromtkinter importButton fromfunction 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defmsgProcess: #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") ifmsg != "": #获取和显示用户消息 tmsg = 【用户问题】 + time.strftime( %Y/%m/%d %H:%M, time.localtime) + chatmsg.insert(END, tmsg,

question) chatmsg.insert(END, msg + , 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) + chatmsg.insert(END, botresponse,

answer) chatmsg.insert(END, outcome + , answer) else: tmsg = 用户问题: + time.strftime( %Y/%m/%d %H:%M

, time.localtime) + chatmsg.insert(END, tmsg, question) chatmsg.config(state=NORMAL) chatmsg.insert(END, msg +

, question) botresponse = 客服回答: + time.strftime( %Y/%m/%d %H:%M, time.localtime) + 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"+ , answer) # 取消发送消息defmsgCancel: 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.set chatmsg.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 02

参考书籍《Python自然语言处理——算法、技术及项目案例实战（微课视频版）》作者：（日）中本一郎、马冀、张积林、郭彦、庄伟卿、冯丽娟、江明、黄益定价：59.90元扫码优惠购书本书全面介绍了数据挖掘和商务智能的基础知识、主要技术、基于Python语言的商务应用生成技术。

全书共12章，主要内容包括数据挖掘、深度学习、Seq2Seq、商务智能应用创建及部署、Tensorflow、卷积神经网络、循环神经网络和Rasa技术本书注重理论结合实战，实例部分配套操作步骤，重要代码讲解，中间图形和文本输出，将实战内容融合在课程教学过程中，使理论紧密联系实际，帮助学生在潜移默化中获得知识。

返回搜狐，查看更多责任编辑：