這個過程比較復制，安裝處理的流程，依次進行代碼解讀。

在定義一個ChatBot后，可以進行對話的訓練，這個過程參考：

水中的魚：ChatterBot代碼解讀－訓練數據?zhuanlan.zhihu.com

然后就是用如下的代碼，獲取對話的響應：

response = chatbot.get_response('How are you doing today?')。

一. 構造Statement類的對象.

get_response函數中，從75-100行，主要是構造Statement類的對象。類的定義在chatterbot/conversation.py文件中。

第７５行的代碼有點繞，這里詳細講解下。

self.storage是ChatBot類初始化時指定的存儲適配器，這里以SQLStorageAdapter為例。SQLStorageAdapter類的定義在chatterbot/storage/sql_storage.py文件中。

self.storage.get_object('statement')應該是調用SQLStorageAdapter類的get_object函數。但是sql_storage.py文件中并找不到get_object函數的定義。

怎么辦呢？

熟悉類的繼承特性的話，可能會想到是否在父類中定義的呢？這里介紹ｐｙｃｈａｒｍ的一個技巧，選中SQLStorageAdapter，然后按ctrl+H，可以看到類的繼承關系。這樣避免需要逐層尋找。

在chatterbot/storage/storage_adapter.py中，get_object的代碼：

返回的是一個函數，函數的名字是get_%s_object拼裝的，值為“get_statement_object”。

在看get_statement_object函數，返回值為一個Statement對象。

這里有讀者可能會提問：干嘛不直接import　Statement，而采用這種復雜的動態獲取的方式呢？

恭喜你，提了一個不錯的問題，善于提問，成長的快。

采用動態獲取的方式，本意是對于不同的存儲適配器，定義不同的Statement類。但是本框架其實并沒有實現不同的Statement類。只是這里動態獲取的機制值得我們學習。當我們需要的時候，可以應用這種機制。

二.　對輸入進行預處理

elf.preprocessors包含了預處理的適配器列表。系統已經預置的適配器有：

clean_whitespace　去掉語句中連續的空白字符

unescape_html　將 html中的轉義字符變成對應的原字符，比如“&lt;b&gt;” 變成“<b>”.

convert_to_ascii　將unicode轉成對應的ASCII碼。

但是對于這個具體的ChatBot,使用那些預處理，要看初始化配置。

這里也可以看到要增加自定義的預處理適配器，只需要定義適配器函數，入參為Statement對象，出參也是Statement對象。

三.生成響應

具體是調用self.generate_response。

入參：input_statement是Statement對象，additional_response_selection_parameters是字典。

出參：Statement類的對象

具體過程如下：

對于每個邏輯適配器，依次調用適配器的process函數，獲得對應的輸出語句和置信度。將所有的輸出Statement對象保存到results列表中，result保存置信度最大的輸出Statement對象。

這里以BestMatch適配器來看process的處理過程。

四.　BestMatch.process處理過程

BestMatch類的構造中中，excluded_words參數的作用，可以讓返回的語句包含這些詞，比如臟話。

process中第三個參數self.search_algorithm，系統定義了兩張搜索算法，默認采用IndexedTextSearch。

這里搜索過程描述參考第五步。假定已經完成查詢數據庫的搜索過程，并將結果保存在search_results中。接著的邏輯：

在search_results列表中查找置信度大于maximum_similarity_threshold（0.95）,如果找到，就直接返回。

在search_results列表去掉之前已經使用過的答復（避免重復答復），然后ｉｄ大小排序，找到最近的１０條記錄。之前已經使用過的答復保存到Statement.conversation中，由于這里是單輪對話，系統并沒有記錄之前的對話的conversation，而是實現成通過參數傳入，也就是說這個機制其實沒有作用。

用additional_response_selection_parameters對search_results列表進行過濾操作。

對search_results列表中選擇一條記錄，選擇的策略有：get_most_frequent_response，get_first_response，get_random_response。默認采用get_first_response的方式。

如果search_results列表為空，就輸出默認的響應，對應的置信度為０．

五.　搜索算法的搜索過程

IndexedTextSearch.search，尋找和輸入語句最接近的語句列表，并按照置信度做升序排列。輸入語句作為ｐａｉｒ對的上句，搜索的范圍也是數據庫中ｐａｉｒ對中的上句。

搜索的過程是調用存儲適配器的filter函數，參數search_parameters是一個字典。這里就看SQLStorageAdapter.filter，搜索的過程其實就是查詢ｓｑｌ的語句。這用到了傳說中的ORM技術：Object-Relational Mapping，把關系數據庫的表結構映射到對象上。但是由誰來做這個轉換呢？所以ORM框架應運而生。在Python中，最有名的ORM框架是SQLAlchemy。

重要的部分是：

這里采用self.compare_statements計算置信度（也就是相似度）。入參是要對比的兩個statement對象。

相似度的算法，系統實現了：LevenshteinDistance，SpacySimilarity，JaccardSimilarity，默認值是LevenshteinDistance。

六.其他邏輯適配器

比如Time Logic Adapter ，Mathematical Evaluation Adapter?，其實現過程比較簡單。這里不詳述。

其實這里有個疑問：怎么根據業務需要，在這個框架中定制自己的處理邏輯適配器。比如根據用戶的輸入來執行一些命令，或調用其他在線聊天機器人的接口（比如turingapi）。

相信大家已經有自己的思路了。

總結

以上是生活随笔為你收集整理的arduinowifi.send怎么获取响应_ChatterBot代码解读－获取对话的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。