使用 IRIS 和 Python 创建聊天机器人

本文将展示如何把 InterSystems IRIS 数据库与 Python 集成，以服务于自然语言处理 (NLP) 的机器学习模型。

为什么选择 Python？

随着在世界范围内的广泛采用和使用，Python 拥有了出色的社区，以及许多加速器 | 库用于部署任何类型的应用。 如果您感兴趣，请访问 https://www.python.org/about/apps/

Iris Globals

我接触到 ^globals 后很快就熟悉了，它们可以用作快速获取现成数据模型中数据的方法。 因此，首先，我将使用 ^globals 存储训练数据和对话以记录聊天机器人的行为。

自然语言处理

自然语言处理或 NLP 是 AI 的一个主题，它创造了机器从我们的语言阅读、理解含义的能力。 显然，这并不简单，但是我将展示如何在这个广阔而美丽的领域中迈出您的第一步。

演示 - 来试试吧

我在这里部署了 Chatbot 应用作为演示： http://iris-python-suite.eastus.cloudapp.azure.com:8080

工作原理

机器学习

首先要知道与普通软件开发相比，机器学习具有不同的范式。 很难理解的要点是机器学习模型的开发周期。

浅显解释预警

一个标准的应用开发周期大概是这样：

开发代码 -> 测试（使用开发数据）-> 部署（真实用户数据）

机器学习代码本身不具有相同的价值。 它会与数据分担责任！ 而且不是任意数据，是真实数据！ 因为待执行的最终代码是由开发概念和所用数据合并生成。 所以机器学习应用周期类似于：

开发（训练）模型 + 真实数据 -> 验证 -> 部署此模型的结果

如何训练模型？

训练模型的技术有很多，每种情况和目标都需要很大的学习曲线。 在本例中，我使用的是 ChatterBot 库，该库封装了一些技术，并提供了训练方法和经过预处理的训练数据，有助于我们关注结果。

预训练的模型语言和自定义模型

您可以由此开始拥有一个基本的会话聊天机器人。 您还可以创建所有数据来训练您的聊天机器人，全面满足您的需求，但这在短时间内很难完成。 在这个项目中，我使用 en_core_web_sm 作为对话的基础，并与可以通过表单创建的自定义训练数据合并

基础架构

在 Python 中使用了什么

在这个应用环境中，我使用了 Python 3.7 和这些模块：

• PyYAML<=5.0.0
• dash==1.12.0
• dash-bootstrap-components==0.10.1
• dash-core-components==1.10.0
• dash-html-components==1.0.3
• dash-renderer==1.4.1
• dash-table==4.7.0
• plotly==4.7.1
• numpy==1.18.4
• networkx==2.4
• Flask>=1.0.0
• chatterbot>=1.0.0
• chatterbot-corpus>=1.2.0
• SQLAlchemy>=1.2
• ./nativeAPI_wheel/irisnative-1.0.0-cp34-abi3-linux_x86_64.whl

项目结构

本项目具有简单易懂的结构。 在主文件夹上，有 3 个最重要的子文件夹：

• ./app：具有全部应用代码和安装配置。
• ./iris：具有 InterSystems IRIS dockerfile，准备服务于应用。
• ./data：通过一个卷将主机链接到容器环境

应用结构

现在，可以在 ./app 目录下看到一些文件：

• chatbot.py：具有 Web 应用实现
• iris_python_suite.py：具有一些加速器的类，通过 IRIS Native API 与 IRIS 数据库和 Python 搭配使用。

数据库结构

此应用使用 Intersystems IRIS 作为存储库，使用的 globals 包括：

• ^chatbot.training.data：以问题和答案的形式存储所有自定义训练数据。
• ^chatbot.conversation：存储所有对话有效负载。
• ^chatbot.training.isupdated：控制训练管道。

其他解决方案的产品

我没有为所有对话创建报告，但这不是什么问题，使用全局图形查看器即可跟踪对话。

亲自运行应用

先决条件

• git
• docker 和 docker-compose（以及 docker 中更多的内存设置，至少 4GB）
• 在您的环境中访问终端

步骤

使用 docker-compose，您可以在一个环境中将所有组件和配置轻松转到 iris-python-covid19 文件夹，键入：

$ docker compose build
$ docker compose up

估计转入容器的时间

第一次运行将通过网络链接下载图像和依赖项。 如果持续时间超过 15 分钟，那可能是出现了问题，请随时来这里留言。 第一次运行后，下一次运行会好很多，只需要不到 2 分钟。

如果一切正常

一段时间后，您可以打开浏览器并转到地址：

训练数据表单

http://localhost:8050/chatbot-training-data

聊天机器人

http://localhost:8080

您应该查看 IRIS 管理门户

我暂时使用的是 USER 命名空间

http://localhost:9092
user: _SYSTEM
pass: theansweris42

如果本文对您有帮助或者有您喜欢的内容，请投票：

此应用目前正在参与 Open Exchange 竞赛，您可以在这里给我的应用 iris-python-suite 投票 (https://openexchange.intersystems.com/contest/current)