看电影还要找豆瓣？别人的喜好怎能左右你的欢心～
豆瓣评分不靠谱，关键时刻得自己动手！
本文将手把手教你打造一个专属电影机器人，它能根据你的要求来推荐电影。科幻悬疑恐怖还是爱情文艺小清新，统统hold住！
本文基于SAP Conversational AI 来构建模型，并通过电影数据库 来获取电影信息。和简单的Q / A聊天机器人相比，与第三方API交互能实现更多有趣的案例。通过Bot Skills，我们添加了直接从构建器调用webhooks的选项，非常简单。
在这里给大家推荐一个python系统学习q群：250933691有免费开发工具以及初学资料，（数据分析，爬虫，AI, 机器学习，神经网络）每天有老师给大家免费授课，欢迎一起交流学习。
今天的机器人学习，分为以下步骤：
1.在句子中提取关键信息
2.构建机器人流程（触发，需求，操作）
3.创建并连接能从电影数据库中获取数据的 API
你需要一个SAP Conversational AI 帐户 ，Node.js ，测试时可能还需要Ngrok 。
1.在句中提取关键信息
“意图机制”有助于确定句子的整体含义。对实际运用而言，仅仅知道用户想看“某些”是不够的，我们需要知道用户想看“什么”。
“实体”被设计出来，正是旨在解决这个问题：它们可以在句子中提取关键信息。“意图机制”让你明白你必须做什么，而“实体”帮助你怎么做。
假设你是一家提供电话和互联网接入的电信公司，而机器人的意图是了解人们何时抱怨断网：
“实体”就可以从句中提取出关键信息。提取出的字符有助于了解“什么、哪里、何时”出了问题。
对于电影机器人，我们将尝试提取3关键信息块：
1. 用户想看什么（电影还是电视节目）
2. 用户想看的电影类别
3. 语种
2.使用“黄金实体”
为了加速开发进程，SAP Conversational AI可以默认提取多个实体：日期、位置、电话号码等。
在“language”实体中，名称旁的小星星就是黄金实体与普通实体的区别。
我们可以用这个实体解决第三个要求：电影语种。
3.创建自定义实体
创建自定义实体，可以有效提取我们所需要的信息。与“意图”一样，训练非常重要：添加到机器人的示例越多，获得的样本准确性就越高。
你可以通过多种意图对实体进行训练：
对电影机器人而言，只需要1个意图discover和2个实体：
• recording并识别用户想看电影还是电视节目
• genre（观看类别）
打开你的意图“discover”，添加表达式，一定要确保表达式包含了所有可能情况，如：
• 无实体：“我男朋友今晚想看点东西”
• 一个实体：“我想看一部电影”
• 多个实体：“你能给我推荐一些法国戏剧电视节目吗？”
要想标记表达式，请选择要标记的文本，并输入实体名称。
15个示例虽然可以，但应该添加更多的示例。生产就绪的机器人需要至少50个示例，才能表现良好。为了加快过程，你可以把机器人 中构建的实体[记录实 体 ，派别 实体 ]进行分叉，然后在机器中发现意图 。
你可以发现，在这里“法国”被检测为国籍，而不是语种，因为这就是实体在这种情况下的含义。在构建bot流程时，我们将确保检查这两个实体。
4.添加自定义进行丰富
我们已经标记了实体，现在让它们更丰富一些吧！ 在训练选项卡下打开机器人中的实体面板，如下所示：
现在，打开genre实体。如果你注意一下面板的右上角，你会看到一个切换：free - restricted and settings。打开它，以便我们对你可以访问的不同选项进行详细解释：
在实体面板中，你可以访问实体的不同选项：
• Free与Restricted——你没有严格的值列表，但你希望机器学习能检测到所有可能的值，这时使用免费的（Free）自定义实体。然而，如果你有严格的单词列表要检测，则使用受限制的自定义实体不需要自动检测实体。
• 模糊匹配——模糊匹配是0和1之间的索引，用于表示单词与实体值列表中单词的接近程度。如果单词在此索引之外，平台则会按照列表中最接近的值，对它进行标记。
• 值列表——你可以在此处添加实体的所有值列表，可以是不同的值，或者同义词。
在我们的例子中，我们的genre实体将受到限制，因为Movie Database API仅管理特定的类别列表，如下：
{id:28,name:'Action'},{id:12,name:'Adventure'},{id:16,name:'Animation'},{id:35,name:'Comedy'},{id:80,name:'Crime'},{id:99,name:'Documentary'},{id:18,name:'Drama'},{id:10751,name:'Family'},{id:14,name:'Fantasy'},{id:36,name:'History'},{id:27,name:'Horror'},{id:10402,name:'Music'},{id:9648,name:'Mystery'},{id:10749,name:'Romance'},{id:878,name:'Science Fiction'},{id:53,name:'Thriller'},{id:10752,name:'War'},{id:37,name:'Western'}
把所有的类型添加到我们的值列表中，但不要忘记添加同义词，如科幻小说（SF，Sci-Fi），浪漫主义（Romantic）或卡通动画（AnimatedCartoon）等。你会发现，正如JSON中那样，会有一系列ID与类型相关联，因为电影数据库无法根据英文名称搜索特定类型，而只能搜索自定义数字。我们可以做的，就是为每个类型值关联一个特定的id，它将在NLP API的JSON中执行返回，这样我们就可以将它传递给Movie Database API。这就是丰富自定义的目的：每当检测到实体时，从NLP API返回的JSON都会添加有关该实体的信息。
在自定义的面板中，我们需要创建3个键：
• name——在同一值下映射同义词
• id——丰富电影数据库的id
• article——添加该类型的文章（稍后我们将用到它）
要添加自定义，请单击add new key 并添加上面列出的三个键——关于article，将默认键值设置为“a”，因为大多数类型都使用“a”。在name中，你可以开始添加特定的内容并将所有不同的值映射到name、ID、article中，如下所示：
你可以从此页面开始，分叉整个实体，其中包括丰富的自定义部分。既然已经完成了，就可以在测试控制台中测试一下。假设发送句子“我想看动画电影”，你应该可以看到以下自定义内容：
"genre": [ {"value":"animated","raw":"animated","confidence":0.99,"name":"animation","id":16,"article":"an" }
现在这些添加为我们提供了通用名称，ID和Article。我们会以同样的方法操作录音实体。返回实体面板并单击录音，然后进行限制，并为电视节目和电影添加所有可能的值和同义词（如tv shows, shows, motion picture, film, films, movies等等）。
现在转到自定义丰富界面并添加Key选项，赋2个特定值：
• movie -所有电影的同义词
• tv - 所有电视节目的同义词
就像这样：
发回我们的句子：“我想看一部动画电影”，我们便有了录音的丰富内容：
"recording": [ {"value":"movie","raw":"movie","confidence":0.99,"type":"movie" } ]
5.建立你的机器人流程
由于我们只需要在调用Node.JS API之前确保填写所有条件，因此构建部分将非常简单。
我们只需要一种技能 —— Discover。
5.1触发器
如果意图@Discover已经存在，我们将触发它：
5.2要求
此选项卡可帮助你在操作之前收集数据。我们希望确保用户在继续之前指定录音、类别、语种以及意图的是否：
这些要求将被逐一检查，它们都可以在第一条消息上实现。例如，如果用户说“我观看英语犯罪电影”，会立即触发操作。
对于每个要求，你都可以选择在消息完成或缺失时发送消息。
在要求完成后发送消息，可以让机器人更生动：“一部犯罪电影？我也爱他们！”但是，当缺少要求时，它们几乎是强制性的：你需要让用户告诉你想要的内容。
例如，如果缺少#genre，我就会发送带有建议类型的快速回复：
为了确认，我们将使用内存来显示动态消息，以验证用户对意图的选择@yes还是@no：
（使用内存显示动态消息）
一旦4组实体的问题都设置完毕，你就可以进行Actions了。
5.3操作(Actions)
一旦满足要求，如果用户说是，我们将调用API来实际执行搜索，否则我们会重置内存并再次询问用户想观看什么。
如果_memory.no存在，请重置整个内存并发送消息，例如“让我们重新开始，你想看什么？”
如果_memory.yes存在，则创建一个CALL WEHBOOK操作。你可以输入完整的URL（例如：https：//mydomainname.com/discover-movies）或相对URL（/ discover-movies）。当你输入相对URL时，SAP Conversational AI将在机器人设置中使用参数Bot Base URL。
接下来，添加操作（actions）UPDATE CONVERSATION> EDIT MEMORY> RESET ALL MEMORY，以在调用完成后清空内存。
（操作）
如果你没有公共服务器，或者你想在开发过程中测试你的机器人，那么ngrok是一个非常方便的工具，它会创建一个公共URL，并将请求转发给你的计算机。
安装后，运行...
ngrokhttp5000
并将HTTPS中的转发URL（https://XXX.ngrok.io）复制到机器人设置（“Bot webhook基本URL”字段），对这些URL发出的所有请求都将转发到你计算机的端口5000。
现在，机器人只需要API来获取电影了！
6.创建Movie Bot API
机器人的NodeJS部分非常简单，它将作为SAP会话AI和电影数据库之间的HTTP代理。
当你的应用程序收到来自SAP Conversational AI的请求时，它会根据用户标准向电影数据库发送搜索查询，并将JSON答案格式化为SAP Conversational AI消息格式。
选择1：自动操作
你可以直接从Git存储库复制整个项目：https://github.com/plieb/movie-bot-skills-training .
选择2：手动操作
第一步：支持你的项目
mkdirmovie-bot && cd movie-botnpminitnpminstall --save express body-parser axiostouchindex.js config.jsmkdirdiscover-movies && cd discover-moviestouchindex.js movieApi.jscd..
第二步：获取TMDb API令牌
你将需要一个令牌来使用Movie Database API，然后编辑你的config.js文件：
module.exports= {MOVIEDB_TOKEN: process.env.MOVIEDB_TOKEN ||'PURYOURTOKENHERE',PORT: process.env.PORT ||5000,};
第三步：使用Express应用程序填充index.js
让我们创建一个Express应用程序来处理来自SAP Conversational AI的请求。为了更好地组织项目，如第1步所示，我们有一个文件夹/ discover-movies /，包含了我们机器人代码的核心（不是将所有文件放在同一个文件夹中），我们通过loadMovieRoute调用它。
constexpress =require('express');constbodyParser =require('body-parser');constconfig =require('./config');constloadMovieRoute =require('./discover-movies');constapp = express();app.use(bodyParser.json());loadMovieRoute(app);app.post('/errors',function(req, res){console.log(req.body);res.sendStatus(200);});constport = config.PORT;app.listen(port,function(){console.log(`App is listening on port${port}`);});
第四步：填写discover-movies / index.js
当用户填写搜索条件时，我们要求SAP Conversational AI向/ discover-movies发送POST请求。
控制器的主要目标是从内存中选择和格式化首选项，以将它们发送到电影数据库的API：
constconfig =require('../config');const{ discoverMovie } =require('./movieApi');functionloadMovieRoute(app){app.post('/discover-movies',function(req, res){console.log('[GET] /discover-movies');constkind = req.body.conversation.memory['recording'].type;constgenre = req.body.conversation.memory['genre'].id;constlanguage = req.body.conversation.memory['language'];constnationality = req.body.conversation.memory['nationality'];constisoCode = language ? language.short.toLowerCase() : nationality.short.toLowerCase();returndiscoverMovie(kind, genreId, isoCode).then(function(carouselle){ res.json({replies: carouselle,conversation: { } }); }).catch(function(err){console.error('movieApi::discoverMovie error: ', err); }); });}module.exports = loadMovieRoute;
第五步：填写 discover-movies/movieApi.js
现在我们已经提取并格式化了请求的所有过滤器，我们需要将请求发送到电影数据库并把答案格式化：
constaxios =require('axios');constconfig =require('../config');functiondiscoverMovie(kind, genreId, language){returnmoviedbApiCall(kind, genreId, language).then(response=> apiResultToCarousselle(response.data.results) );}functionmoviedbApiCall(kind, genreId, language){returnaxios.get(`https://api.themoviedb.org/3/discover/${kind}`, { params: { api_key: config.MOVIEDB_TOKEN,sort_by:'popularity.desc',include_adult:false, with_genres: genreId, with_original_language: language, }, });}functionapiResultToCarousselle(results){if(results.length ===0) {return[ {type:'quickReplies', content: {title:'Sorry, but I could not find any results for your request :(',buttons: [{ title:'Start over', value:'Start over'}], }, }, ]; }constcards = results.slice(0,10).map(e=>({ title: e.title || e.name, subtitle: e.overview,imageUrl:`https://image.tmdb.org/t/p/w600_and_h900_bestv2${e.poster_path}`, buttons: [ {type:'web_url',value:`https://www.themoviedb.org/movie/${e.id}`,title:'View More', }, ], }));return[ {type:'text',content:"Here's what I found for you!", },{type:'carousel', content: cards }, ];}module.exports = { discoverMovie,};
第六步：启动吧！
就这样！ 准备好测试你的机器人。
运行：启动应用程序 —— node index.js
一切顺利，你应该会看到： App started on port 5000
在这里给大家推荐一个python系统学习q群：250933691有免费开发工具以及初学资料，（数据分析，爬虫，AI, 机器学习，神经网络）每天有老师给大家免费授课，欢迎一起交流学习。