前言

首先我们先了解下这个概念，什么叫做问答系统(Question Answering System,简称 QA 系统)? 其实问答系统是一个比较常见的系统，在医疗系统/电商系统/零售业等等行业中都比较常见。通熟点它就是一个话术，这些话术包含了诸多的问题和一系列的答案。比较官方的定义为：是一种高级行式的信息检索系统，它能够十分准确的，并使用较简洁的语言去回答用户所提出的问题。

正文

通过上面的讲解，我相信大家对问答系统有了一定的了解了，那么现在我们就开始从0到1的一个项目实战吧！！！

数据集

这里我们准备了一些数据集，从这些数据集可以看出来，这些数据集是一个key-value形式。当然，我们也可以用其他的数据集，这个自行替换就行。

        "课程是线上课程还是线下课程？": "线上课程为主","课程有助教吗？": "为提高服务效率和质量，课程都配备专业的全职助教。","我没有基础应该从哪个课开始学？": "老师的Python基础集训营非常适合你哦，"
                           "可以在这里学习：http://csdn.com","学习周期是多久？": "如果你没有基础的话两个月可以搞定","课程的学习方式是什么呢？": "无需安装环境，在线直接写代码、看视频、看漫画，趣味性学习","课程的优势是什么呢？": "全网覆盖最全的Python基础知识体系练与学的深度结合，"
                            "每一个知识点都配有练习项目,生动有趣、授课方式多样，视频、文字、图片、在线代码编辑，"
                            "在聊天与娱乐中学习","课程的有效期是多久呢？": "我们把有效期确定为1年，1年内可无限次学习","课程有优惠吗？": "我们定价为开课后是599，现在是针对老学员预售199，开课后恢复原价"

开发环境

这个项目使用的开发语言是Python，以及Flask web框架，使用的开发工具Idea是Pycharm(个人习惯)。因此要搭建此项目请先自己安装好Python以及Flask依赖。

后端项目源码

a) 创建一个问答系统类

askSystem类包含了字典处理以及余弦相似度计算等方法。

import numpy as np  # 用于 数组转换
import jieba  # 用于中文分词
from sklearn.metrics.pairwise import cosine_similarity   # 机器学习库，这里用于余弦相似度计算
from flask import Flask  # Web 应用框架

class askSystem():
    def __init__(self,corpus):
        self.corpus = corpus

    # 建立词典
    def creat_dic(self):
        all_question = ""
        for question in self.corpus:
            all_question += question
        word_from_question = list(jieba.cut(all_question))
        dictionaries = word_from_question
        print(dictionaries)
        return dictionaries

    # 问题转换为向量
    def transform_vector(self,date,dictionaries):
        vector_list = []
        for wd in dictionaries:
            if wd in list(jieba.cut(date)):
                vector_list.append(1)
            else:
                vector_list.append(0)
        return np.array(vector_list).reshape(1,-1)

    # 余弦相似度计算
    def cosine_simi(self,date1,date2,dictionaries):
        similar_list = cosine_similarity(self.transform_vector(date1,dictionaries),self.transform_vector(date2,dictionaries))
        similar_num = similar_list[0][0]  #相似度
        return similar_num

    def question_for_web(self,user_question,dictionaries):
        question_dict = {}
        similar_list = []
        for key in self.corpus:
            similar_num = self.cosine_simi(user_question,key,dictionaries)
            similar_list.append(similar_num)
            question_dict[similar_num] = self.corpus[key]  # 相似度若相等，因为字典key值不能重复，会导致匹配答案不准确
        if max(similar_list) == 0:
            answer = "这就问题我再想想!"
        else:
            answer = question_dict[max(similar_list)]
        return answer

b) 创建Flask web系统启动类

启动类包含了web接口，并定义了web系统的端口(port为5000，host为0.0.0.0表示任意主机可访问)等信息，除此之外还有跨域的问题。

from flask import Flask
from flask_cors import CORS
import askSystem
app = Flask(__name__)
CORS(app)  # 解决跨域问题


@app.route('/')
def hello_world():
    return 'Hello World!'


@app.route("/question/<user_question>")
def question_for_web(user_question):
    corpus = {
        "课程是线上课程还是线下课程？": "线上课程为主","我没有基础应该从哪个课开始学？": "老师的Python基础集训营非常适合你哦，"
                           "可以在这里学习：http://csdn.com/","课程有优惠吗？": "我们定价为开课后是599，现在是针对老学员预售199，开课后恢复原价"
    }
    askSys = askSystem.askSystem(corpus)
    answer = askSys.question_for_web(user_question,askSys.creat_dic())
    return answer


if __name__ == '__main__':
    app.run(host='0.0.0.0',port=5000)

前端页面展示

我们可以自己写一个前端，这个很简单，用Vue去写即可，实在不会，就用vue-template，自己修修改改即可，现在我们来看下效果吧。

总结

一个简易的问答系统就这样完成了，当然，这个项目还可以进一步完善，比如将数据存入Elasticsearch，通过它先进行初步的检索，然后再通过这个系统，当然我们也可以用其他的架构实现。如果你对这系统还有其他的疑问，也可以再下面进行留言！！！

从0到1搭建一个简易的在线客服问答系统(附源码)

前言

正文

数据集

开发环境

后端项目源码

前端页面展示

总结

相关推荐