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。
本篇我们将通过实例说明远程交互式、本地交互式以及定制型客服的应用。
■ 测试智能客服
01
问答智能客服实战
书接上文，目前基于模板的客服应用程序比较多，第一种是基于远程模式的问答对话，详见上一篇推文。本篇主要介绍第二种和第三种。第二种是基于本地模板的问答对话应用，需要提前将模板下载到本地安装。第三种是基于用户定制的问答系统，这种方式用户需要编写自定义代码。
基于Python框架的智能对话应用模板可以在网址https://github.com/microsoft/BotBuilder-Samples/tree/main/samples/python下载。使用到的其他应用包括Bot Framework Emulator（下载网址为https://github.com/Microsoft/BotFramework-Emulator/releases/tag/v4.13.0），代理应用程序Ngrok（下载网址为https://ngrok.com/download）。启动环境执行pip install botbuilder.ai安装智能客服相应库文件。
基于本地交互模式问答客服
基于本地交互模式需要事先将模板文件下载到本地，例如，可以下载 https://github.com/microsoft/BotBuilder-Samples/releases/download/Templates/core.zip。模型下载完成后启动Bot Framework Emulator程序，在客服程序URL中输入“http://localhost:xxxx/api/messages”，参见图9-13和图9-14。
■ 图9-13本地模板连接设置
■ 图9-14基于本地交互的智能客服设置
连上客服后，单击Ask a question按钮，启动问答型程序，参见图9-15。
■ 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
基于定制型问答客服实例
定制型智能客服程序一般需要事先选择语料库，去除噪声信息后根据算法对语料进行训练，最后提供人机接口进行问答对话。基于互联网获得的医学语料库，并通过余弦相似度基本原理，我们设计并开发了问答型智能医疗客服应用程序。
（1） 测试程序function.py主要代码。
# 导入库文件import numpy as npdef display_response(outcome1,outcome2): if outcome1 is not None: outcome = outcome1 elif outcome2 is not None: 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。" return outcome#文本余弦相似度计算def cosine_similarity(text1, text2): cos_text1 = (Counter(text1)) cos_text2 = (Counter(text2)) similarity_text1 = [] similarity_text2 = [] for i in set(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) return similarity_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def greeting_response(msg,input_greet,output_greet): selection = {} for key, value in enumerate(input_greet): comparison = cosine_similarity(msg, value) if comparison > 0.6: selection[key] = comparison sort = sorted(selection.items(), key=lambda x: x[1], reverse=True) outcome = output_greet[sort[0][0]] if len(selection) != 0 else None return outcome #问答预测操作def prediction(message): input_greet = [] output_greet = [] with open("label.csv", 'r',encoding='utf-8') as df: greets = csv.reader(df) next(greets) for greet in greets: input_greet.append(greet[1]) output_greet.append(greet[2]) #相似度阈值的设定可以定制 selection = {} for key, value in enumerate(input_greet): comparison = cosine_similarity(message, value) if comparison > 0.1: selection[key] = comparison sort = sorted(selection.items(), key=lambda x: x[1], reverse=True) outcome = output_greet[sort[0][0]] if len(selection) != 0 else None return outcome #根据用户输入信息输出响应处理def entrance(msg): input_greet = [] output_greet = [] with open("greeting.csv", 'r',encoding='utf-8') as df: greets = csv.reader(df) next(greets) for greet in greets: 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) return outcome（2） 界面显示模块chatrobot.py主要代码。
#导入库文件import timeimport tkinter as tkfrom tkinter import *from tkinter import Tkfrom tkinter import Textfrom tkinter import Buttonfrom function 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def msgProcess(): #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") if msg != "": #获取和显示用户消息 tmsg = '【用户问题】 ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n' chatmsg.insert(END, tmsg, 'question') chatmsg.insert(END, msg + '\n\n','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()) + '\n' chatmsg.insert(END, botresponse, 'answer') chatmsg.insert(END, outcome + '\n\n', 'answer') else: tmsg = '用户问题: ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n' chatmsg.insert(END, tmsg, 'question') chatmsg.config(state=NORMAL) chatmsg.insert(END, msg + '\n\n','question') botresponse = '客服回答: ' + time.strftime('%Y/%m/%d %H:%M', time.localtime()) + '\n' 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。"+'\n\n', 'answer')# 取消发送消息def msgCancel(): 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.setchatmsg.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()（3） 执行代码，启动智能医疗客服程序，输入问候语后再输入医疗问题查询，客服程序输出反馈应答给用户，如图9-17和图9-18所示。
■ 图9-17启动智能客服
■ 图9-18测试智能客服
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）》
ISBN：9787302606628
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。