Tạo chatbot đơn giản bằng Python và NLP

BởiChu Minh Nam5 phút đọc81 lượt xem

Chia sẻ

Chatbot đang trở thành một phần không thể thiếu trong các dịch vụ trực tuyến hiện nay. Từ hỗ trợ khách hàng tự động trên website, trả lời tin nhắn trên mạng xã hội, đến trợ lý ảo trên điện thoại, việc xây dựng một chatbot không còn là điều xa vời. Với sự phát triển của Python và các thư viện xử lý ngôn ngữ tự nhiên (NLP), việc tạo ra một chatbot cơ bản trở nên dễ dàng hơn bao giờ hết.

Nếu bạn chưa từng làm việc với NLP, bạn có thể tham khảo bài Tạo mô hình phát hiện cảm xúc từ văn bản bằng NLP để hiểu cách xử lý văn bản và phân loại cảm xúc. Ngoài ra, bài viết Hướng dẫn tiền xử lý dữ liệu sạch để huấn luyện mô hình tốt hơn sẽ giúp bạn chuẩn bị dữ liệu một cách tối ưu, và Phân tích dữ liệu bán hàng bằng Python và Pandas sẽ cung cấp kiến thức về thao tác dữ liệu trong Python, là những kỹ năng quan trọng trước khi bước vào xây dựng chatbot.

Giới thiệu về chatbot

Chatbot là một chương trình máy tính được thiết kế để mô phỏng cuộc trò chuyện của con người. Có nhiều loại chatbot khác nhau, từ những chatbot dựa trên quy tắc đơn giản đến những chatbot nâng cao sử dụng học sâu. Trong bài viết này, chúng ta sẽ xây dựng một chatbot cơ bản dựa trên Python và thư viện NLP để hiểu cách xử lý ngôn ngữ tự nhiên.

Chuẩn bị môi trường

Để thuận tiện, chúng ta sẽ sử dụng Google Colab, nền tảng miễn phí cho phép chạy Python trực tiếp trên trình duyệt mà không cần cài đặt. Truy cập https://colab.research.google.com và tạo một notebook mới.

Cài đặt các thư viện cần thiết nếu bạn dùng Jupyter Notebook:

!pip install nltk numpy scikit-learn

Các thư viện sử dụng gồm:

NLTK: xử lý ngôn ngữ tự nhiên
NumPy: xử lý dữ liệu số
Scikit-learn: xây dựng mô hình học máy đơn giản

Chuẩn bị dữ liệu

Chatbot cần một tập dữ liệu câu hỏi và câu trả lời để có thể phản hồi người dùng. Để đơn giản, chúng ta sẽ tự tạo một tập dữ liệu nhỏ ngay trong Python.

import nltk
import numpy as np
import random
import string

nltk.download('punkt')
nltk.download('wordnet')

# Tạo dữ liệu giả lập
corpus = """
Xin chào! Tôi có thể giúp gì cho bạn?
Bạn tên là gì?
Tôi là chatbot hỗ trợ khách hàng.
Bạn có thể làm gì?
Tôi có thể trả lời các câu hỏi cơ bản của bạn.
Tạm biệt.
Hẹn gặp lại bạn sau.
"""

Tiền xử lý dữ liệu văn bản

Trước khi chatbot có thể hiểu và phản hồi, chúng ta cần tiền xử lý văn bản để loại bỏ các ký tự không cần thiết và chuẩn hóa dữ liệu.

from nltk.stem import WordNetLemmatizer

lemmatizer = WordNetLemmatizer()

def preprocess_text(text):
    text = text.lower()
    text = nltk.word_tokenize(text)
    text = [lemmatizer.lemmatize(word) for word in text if word not in string.punctuation]
    return text

Xây dựng mô hình phản hồi

Mô hình sẽ so sánh câu hỏi của người dùng với các câu có sẵn trong corpus để tìm câu trả lời phù hợp nhất. Chúng ta sẽ sử dụng TF-IDF vectorizer để biến đổi văn bản thành vector số học và tính độ tương đồng cosine để tìm câu trả lời.

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

sentences = nltk.sent_tokenize(corpus)

def generate_response(user_input):
    sentences.append(user_input)
    vectorizer = TfidfVectorizer(tokenizer=preprocess_text, stop_words='english')
    vectors = vectorizer.fit_transform(sentences)
    similarity = cosine_similarity(vectors[-1], vectors[:-1])
    index = similarity.argsort()[0][-1]
    response = sentences[index]
    sentences.pop()
    return response

Tạo vòng lặp trò chuyện

Chatbot sẽ liên tục nhận câu hỏi từ người dùng và trả lời cho đến khi người dùng nhập “tạm biệt”.

print("Chatbot: Xin chào! Hãy đặt câu hỏi cho tôi. Gõ 'tạm biệt' để kết thúc.")

while True:
    user_input = input("Bạn: ")
    if user_input.lower() == "tạm biệt":
        print("Chatbot: Tạm biệt! Chúc bạn một ngày tốt lành.")
        break
    else:
        response = generate_response(user_input)
        print("Chatbot:", response)

Nâng cấp chatbot

Chatbot hiện tại có thể trả lời nhưng còn rất đơn giản. Để cải thiện, bạn có thể:

Mở rộng tập dữ liệu câu hỏi và câu trả lời
Thêm xử lý ngôn ngữ tự nhiên nâng cao như nhận dạng thực thể (NER)
Áp dụng mô hình học sâu như seq2seq hoặc transformer để tạo ra chatbot thông minh hơn

Kết luận

Bạn vừa xây dựng một chatbot đơn giản sử dụng Python và NLP. Chatbot này có thể phản hồi các câu hỏi cơ bản dựa trên tập dữ liệu có sẵn. Đây là bước đầu tiên để hiểu cách một chatbot hoạt động. Để phát triển thêm, bạn có thể thử tích hợp với các nền tảng như Facebook Messenger hoặc Telegram và sử dụng các mô hình tiên tiến hơn như BERT hoặc GPT để tạo ra trải nghiệm trò chuyện tự nhiên hơn.