基于百度理解与交互技术实现机器问答(C#版本)
linbin524 发布于2017-12 浏览:2701 回复:2
0
收藏

本文博客所在地址:基于百度理解与交互技术实现机器问答

如果图片看不到,就直接去博客上看看,相对完整。

http://www.cnblogs.com/linbin524/p/8136799.html

一、前言

我们都知道现在聊天对话机器是一个很有意思的东西,比如说苹果siri,比如说微软的小冰。

聊天对话机器的应用场景也很广泛,比如说:银行的自助办卡机器人、展会讲解解说等等。

 

我们对机器人说句话,机器人从听取,到语义识别,认知转换,到最后调出我们所想要的东西,这个过程看似简单,其实内藏许多黑科技,让我们来一一解析一下。

 

1、我们对机器人说句话:我想看一下今天的天气?

技术实现:不论是语音、文字,机器首先要采集到我们的问题,语音还需要语音转换的一个过程,且内容转换结果必须准确,否则就有点像不同语言体系的人在对话,有种鸡同鸭讲的感觉,结果肯定也是一个大坑了。

 

2、语义识别

技术实现:通常这个阶段,已经将内容转换为一段文字,程序会对文字进行分词,结合关键字截取拼接语义(这里需要AI的训练)

3、认知转换

技术实现:上述的那就话中,今天是个关键词,天气是个关键词,  在训练库中需要提炼词槽,将可能语句尽可能提供给机器人

 

4、调用结果

当认知转换完成后,需要对关键词进行规则判断,比如说, 想看 + 今天+ 天气,组成时候,自动调用查询天气接口

 

上述的结果,更多需要我们对机器人进行训练,让它学习,要不然结果肯定不是那么友好的。

 

 

二、技术需求

 

通过文字输入问题,动态理解转化,识别内容,进行机器解答和语音提示。

PS:上述的需求基本可以理解为你叫机器人做一件事,机器人领悟,按照你的要求执行。

进阶:可以采用语音输入,转换为文字,之后的序列一样。(需要阵列麦克风)

三、技术选型

1、采用C# winform 作为程序主题

2、采用win7 TTS 作为语音朗读功能

3、采用百度理解交互技术 UNIT 作为识别基础

 

四、实现

1、新建winform 窗体

 

 

 

2、添加TTS,引用System.Speech

 

 

 

3、进行 语音朗读测试

 

SpeechSynthesizer voice = new SpeechSynthesizer(); //创建语音实例
voice.Rate = 2; //设置语速,[-10,10]
voice.Volume = 100; //设置音量,[0,100]
voice.SpeakAsync(“您好!”); //播放指定的字符串,这是异步朗读

 

PS:有些win7 系统TTS 有问题,需要自己百度查找,下载TTS 进行安装。目前上述支持中文,输入英文,只会念字母,因为需要朗读类别做转换,详细请百度speech 操作。

 

 

 4、结合百度理解与交互技术

 

百度提供的sdk 目前只支持android 和IOS,但有提供http API,所以笔者采用C#实现了。

先去官网注册成为百度开发者。

 

(1) 创建应用

 

 

 (2) 创建场景,场景编号是后面需要用到的

 

 

 

(3)新建单元,官方提供对话单元和问答单元,我们选择创建对话单元

 

 

 

 

(4)、对对话单元进行配置,新建词藻

 

 

 

 

新建词藻

 

 词藻词典有自定义的,也有系统的,本文中选择系统通用的。也可以下载自定义模板,写入自己的自定义词典

 

 

 

这个对话单元中,有文本回复和执行函数,我们这里选文本回复

触发的规则:会话规则中,上述的词藻已填充,那么文本内容才会出现

 

 

保存完成,后再次新建对话单元,主要说明介绍我们的公司

 

 

 

 

 

 跳转到数据中心,进行新建对话样本

 

 

 

 

 

 添加

 

 

 依法将公司介绍关键词添加

 

来的训练与验证板块

输入打开菜单,一开始输入,可能得到错误答案,你要 @UNIT 纠正意图与词槽,手动将关键词和意图、取词、词藻匹配上

 

 

 

 完成后的结果:

 

 

(1)、

配置基本参数

 

///


/// 理解与交互技术UNIT
///
public class ConfigUnit
{
///
/// Api key
///
public static String clientId = "";
// 百度云中开通对应服务应用的 Secret Key
public static String clientSecret = "";
//场景Id
public static string clientSceneId = "";
}
 

部分解析实体model

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace BaiduAIAPI.Model.UnitModel
{
public class UnitModel
{

public long log_id { get; set; }
public string error_code { get; set; }

public string error_msg { get; set; }

public UnitResult result { get; set; }

public bool IsSuccess { get; set; }

public string returnSay { get; set; }
}

public class UnitResult
{

public string session_id { get; set; }
public List action_list { get; set; }
public object schema { get; set; }
public object qu_res { get; set; }
}
public class UnitAction_list
{

public string action_id { get; set; }
public object action_type { get; set; }
public object arg_list { get; set; }
public object code_actions { get; set; }

public float confidence { get; set; }

public object exe_status { get; set; }

public string main_exe { get; set; }

public string say { get; set; }

public object hint_list { get; set; }

}

///


/// 其余的model 还没补充完整
///
public class UnitSchema {


}

}
错误信息定义

 

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace BaiduAIAPI.Type
{
public class BaiduUnitType
{
public static string GetErrorCodeToDescription(string errorCode)
{
string errorDecrition = "";

switch (errorCode)
{

case "1": errorDecrition = "服务器内部错误,请再次请求, 如果持续出现此类错误,请通过QQ群(224994340)联系技术支持团队。"; break;
case "2": errorDecrition = "服务暂不可用,请再次请求, 如果持续出现此类错误,请通过QQ群(224994340)或工单联系技术支持团队。"; break;

case "3": errorDecrition = "调用的API不存在,请检查后重新尝试。"; break;
case "4": errorDecrition = "集群超限额。"; break;
case "6": errorDecrition = "无权限访问该用户数据。"; break;
case "14": errorDecrition = "IAM鉴权失败,建议用户参照文档自查生成sign的方式是否正确,或换用控制台中ak sk的方式调用。"; break;
case "17": errorDecrition = "每天请求量超限额。"; break;
case "18": errorDecrition = "QPS超限额。"; break;
case "19": errorDecrition = "请求总量超限额。"; break;

case "100": errorDecrition = "无效的access_token参数,请检查后重新尝试。"; break;
case "110": errorDecrition = "access token无效。"; break;
case "111": errorDecrition = "access token过期。"; break;
case "282004": errorDecrition = "请求参数格式不正确。"; break;
case "282900": errorDecrition = "必传字段为空。"; break;
case "282901":
errorDecrition = "场景ID校验失败,请确认console中app和场景是否关联了:https://console.bce.baidu.com/ai/#/ai/unit/app/list。"; break;
case "282902":
errorDecrition = "UNIT环境启动中,请稍后再试;如果持续出现此类错误,请通过QQ群(224994340)联系技术支持团队。"; break;

case "282903":
errorDecrition = "UNIT系统异常;如果持续出现此类错误,请通过QQ群(224994340)联系技术支持团队。"; break;


case "282000": errorDecrition = "服务器内部错误,如果您使用的是高精度接口,报这个错误码的原因可能是您上传的图片中文字过多,识别超时导致的,建议您对图片进行切割后再识别,其他情况请再次请求, 如果持续出现此类错误,请通过QQ群(631977213)或工单联系技术支持团队。"; break;

default: errorDecrition = "未知的错误!"; break;
}

return errorDecrition;

}
}
}
 

封装的接口方法

 

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Web.UI.WebControls;
using AOP.Common;
using BaiduAIAPI.Model.UnitModel;
using BaiduAIAPI.Type;

namespace BaiduAIAPI.UNIT
{
public class UnderstandingAndInteractiveTechnology
{

// unit对话接口
public static UnitModel Unit_Utterance(string token, string sceneId, string query)
{
UnitModel result = new UnitModel();
#region 基础校验
string error = "";
if (string.IsNullOrWhiteSpace(token))
{
error += "token不能为空!";
}
if (string.IsNullOrWhiteSpace(sceneId))
{
error += "场景编号不能为空!";
}

if (string.IsNullOrWhiteSpace(query))
{
error += "询问问题不能为空!";
}

if (!string.IsNullOrWhiteSpace(error))
{
result.error_msg = error;
return result;
}
#endregion

string host = "https://aip.baidubce.com/rpc/2.0/solution/v1/unit_utterance?access_token=" + token;
string str = "{\"scene_id\":" + sceneId + ",\"query\":\"" + query + "\", \"session_id\":\"\"}"; // json格式
var tempResult = HttpRequestHelper.Post(host, str);


result=Json.ToObject(tempResult);

if (!string.IsNullOrWhiteSpace(result.error_code))
{
result.error_msg = BaiduUnitType.GetErrorCodeToDescription(result.error_code);
result.IsSuccess = false;
}
else
{
result.IsSuccess = true;
result.returnSay = result.result.action_list[0].say;
}

return result;
}
}
}
 

首先用单元测试结果:

 

using System;
using BaiduAIAPI;
using BaiduAIAPI.UNIT;
using Microsoft.VisualStudio.TestTools.UnitTesting;

namespace AIAPIUnitTestProject.BaiduAIAPI
{
[TestClass]
public class BaiduUnitTest
{
[TestMethod]
public void TestChat()
{
var accessTokenModel = Access_Token.GetAccessToken(ConfigUnit.clientId, ConfigUnit.clientSecret);
if (accessTokenModel.IsSuccess)
{
string queryString = "今天天气怎么样?";
var tempUnitResult = UnderstandingAndInteractiveTechnology.Unit_Utterance(accessTokenModel.SuccessModel.access_token, ConfigUnit.clientSceneId, queryString);

 

}

}
}
}
 

确定接口没有问题,结合到我们的Demo程序中,界面代码如下:

 

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows.Forms;
using System.Speech.Synthesis;
using BaiduAIAPI;
using BaiduAIAPI.UNIT;
using BaiduAIAPI.Model.UnitModel;

namespace SpeechDemo
{
public partial class Form1 : Form
{
public Form1()
{
InitializeComponent();


}

private void button1_Click(object sender, EventArgs e)
{
if (tb_YourSay.Text.Trim() == "")
{

MessageBox.Show("请你输入你要说的话!");
return;
}
UnitModel result = new UnitModel();
var accessTokenModel = Access_Token.GetAccessToken(ConfigUnit.clientId, ConfigUnit.clientSecret);
if (accessTokenModel.IsSuccess)
{
string queryString = tb_YourSay.Text.Trim();
result = UnderstandingAndInteractiveTechnology.Unit_Utterance(accessTokenModel.SuccessModel.access_token, ConfigUnit.clientSceneId, queryString);
}
else
{
result.returnSay = result.error_msg;
}
tb_RobotSay.Text = result.returnSay;
SpeechSynthesizer voice = new SpeechSynthesizer(); //创建语音实例
voice.Rate = 2; //设置语速,[-10,10]
voice.Volume = 100; //设置音量,[0,100]

voice.SpeakAsync(result.returnSay); //播放指定的字符串,这是异步朗读

}
}
}
 

结果展示

 

 

 

评价

理解和交互需要做大量的对话样本和语言交互纠错,才可以实现相对比较精准的回答。

 

收藏
点赞
0
个赞
共2条回复 最后由linbin524回复于2017-12
#3linbin524回复于2017-12
#2 伊茨米可回复
膜拜楼主! 要是想实现很好的泛化,确实需要一定量的对话样本;根据我们的观察,通常一个意图需要提供至少100个对话样本才能有一个很好的泛化能力。
展开

共同学习

0
#2伊茨米可回复于2017-12

膜拜楼主!

要是想实现很好的泛化,确实需要一定量的对话样本;根据我们的观察,通常一个意图需要提供至少100个对话样本才能有一个很好的泛化能力。

0
TOP
切换版块