aaa-intelligence / eve

👫 Interactive Chat-Bot made with Tensorflow

Project EVE

Interactive Bot Chat

How to run

Installation

go get "github.com/AAA-Intelligence/eve"

Run

After starting the webserver open http://localhost:8080/register in your browser to create an account.

With Makefile

cd "%GOPATH%/src/github.com/AAA-Intelligence/eve"
make deps
make all

Without Makefile

Windows

go build -o "eve.exe" "github.com/AAA-Intelligence/eve/cmd/eve" 
eve.exe -http 8080

macOS / linux

go build -o "eve" "github.com/AAA-Intelligence/eve/cmd/eve" 
./eve -http 8080

eve's Issues

[TF-E-3] The bot responds knows its gender.

Wird der Bot nach seinem Geschlecht gefragt, antwortet er mit dem vom Nutzer ausgewählten Geschlecht.

Create Bot Router (Interface between Bot and Webserver)

Der Bot Router verwaltet alle laufenden Bot Instanzen und leitet die vom Message Handler erhaltenen Anfragen an eine der Bot Instanzen weiter. Sollte nur eine Instanz verfügbar sein, werden alle Anfragen an diese weitergeleitet. Dieser Aufbau ermöglicht eine Lastverteilung, um eine große Anzahl von Anfragen auf unterschiedliche Bot Instanzen auf verschiedenen Servern weiterzuleiten zu können.
Die Weiterleitung erfolgt über die Standardeingabe der Botinstanz (stdin), Antworten des Bots werden über die Standardausgabe (stdout) an den EVE Manager zurückgegeben.
Über ein Mutex wird sichergestellt, dass eine Botinstanz nur eine Anfrage gleichzeitig bearbeitet und auch keine Daten anderer Anfragen übermittelt werden bis die aktuelle Anfrage bearbeitet worden ist. Die Daten für die Eingabe werden in einem JSON-Format übermittelt wobei Newlines das Ende einer Anfrage markieren (“\n” nach der Anfrage).

Create Page renderer.

Der Page Renderer nimmt eingehende HTTP Anfragen entgegen, führt die User Authentifizierung mithilfe der Datenbank durch und sendet die Web App zusammen mit den benötigten User und Bot Daten an den Browser.

Create a static answer handler

The "static answer handler" handles the different static responds when certain pattern are recognised.

See #24 .

Create Request Handler

Der Request Handler nimmt eingehende Anfragen über die Standardeingabe entgegen, leitet diese an die für die Antwortgenerierung zuständigen Komponenten weiter und sendet die generierte Antwort über die Standardausgabe in einem JSON-Format zurück. Die Eingabedaten enthalten zusätzlich zur Texteingabe des Nutzers die Stimmungs- und Zuneigungswerte des Bots, das Geschlecht und den Namen des Bots. Weiterhin wird die vorherige Nachricht des Nutzers übermittelt um den Nachrichtenkontext berücksichtigen zu können.

Zunächste wird die eingehende Nachricht an den Pattern Recognizer weitergeleitet. Liefert dieser eine Nachricht zurück wird die Nachrichtenanfrage mit dieser Beantwortet und der Prozess innerhalb der Bot Instanz ist abgeschlossen. Kann der Pattern Recognizer das Muster nicht erkennen und liefert deshalb eine leere Antwort, wird die Nachricht an den Text Processor. Nebst Text enthält die Antwort des Bots die erkannten Stimmungs- und Zuneigungswerte.

Create Requirements Specification Document 🔥

Create Message Handler.

Der Message Handler nimmt Nachrichtenanfragen entgegen, entnimmt der Datenbank alle für die Bot Instanz benötigten Daten, wie die Stimmung und Zuneigung des Bots ( im weiteren als Kontext bezeichnet) und leitet diese Daten zusammen mit der Nachricht an den Bot Router weiter.
Die von diesem zurückgesendete Antwort und Kontext wird zusammen mit der ursprünglichen Nachricht des Nutzers in der Datenbank gespeichert.

[TF-E-1] The input field only accepts text.

Das Nutzereingabefeld akzeptiert nur Textzeichen als Eingabe, jedoch keine Bilder oder andere Dateien.

Create Predefined Answers

Das selektive Modell unterstützt den Vorgang der Mustererkennung durch den Pattern Recognizer. Dafür müssen die Lerndaten nach Kategorien unterteilt werden (“Frage nach Name”, “Frage nach Geschlecht”, “Frage nach Uhrzeit”, etc.) und enthalten mögliche Nachrichten, die eine vordefinierte Antwort der jeweiligen Kategorie auslösen sollen. Wichtig ist hierbei, dass es sich nur um die auslösenden Nachrichten des Nutzers handelt. Die möglichen Antworten des Bots werden in der Datenbank in der Tabelle “PredefinedAnswer”

[TF-E-5] The input field only allows 200 characters.

Das Nutzereingabefeld kann höchstens 200 Zeichen beinhalte

Create Web UI.

Das Absenden einer Nachricht über das UI, führt zum Weiterleiten der Nachricht über den Web Socket an den Request Handler. Alle Nachrichten des Bots werden an den Web Socket gesendet, welcher diese an das UI weitergeleitet und somit für den User sichtbar macht.

[TF-PK-1] The user can create a session.

Der Anwender kann eine Sitzung mit dem Bot erstellen.

cannot create user

error message: cannot register user
localhost:8080/createUser

[TF-ANT-3] Bot responds to input.

Der Bot reagiert auf die Nutzereingabe. Standardfragen wie “Wie gehts dir”, “Was machst du?”, “Wie heißt du?” etc. werden vom Bot beantwortet .

See #4

Create Text Processor (generative model)

Interface between the Request Handler and TensorFlow.

Create Documentation 📖

Create Database

Create an SQL Database with necessary tables.

Create and enhance datasets for sentiments (affection, mood)

affection: Sentences that express general affection or rejection
mood: sentences that express mood of the current message (positive or negative)

[TF-ANT-2] Generated Answer is shown in the UI

Die Antwort des Bots soll auf der Benutzeroberfläche angezeigt werden.

Create Request Handler.

Der Request Handler kommuniziert mithilfe eines Web Sockets mit der Web App und leitet eingehende Nachrichten an den Message Handler weiter. Zusätzlich nimmt er die Bot Antworten des Message Handlers entgegen und sendet diese über den Web Socket an die Web App

Add context to pattern recognizer

Current situation:
The pattern recognizer scans the current message using the trained patterns and looks for a predefined answer.

What's missing:
The pattern recognizer should analyze the previous message as well if and only if the recognized pattern is an ambiguous pattern. Ambiguous patterns include questions for a person's age or name without specifying the person in question.

prepare and improve Datasets through manual correction

[TF-E-6] The input field is block until the bot responds.

Nach einer Nutzereingabe ist das Eingabefeld gesperrt bis der Bot geantwortet hat.

Create Login Process

Der Authentifizierungsprozess wird durch HTTP-Authentifizierung durchgeführt. Hierbei wird der Nutzer beim Öffnen der Website vom Browser in einem Dialogfenster aufgefordert seine Anmeldedaten (Benutzername + Passwort) einzugeben. Sind die eingegebenen Daten korrekt werden sie vom Browser gespeichert und automatisiert bei jeder weiteren HTTP-Anfrage an die Webseite mit HTTP-Header mitgesendet. Der Server kann diese Daten nun bei jeder Anfrage mit der Datenbank abgleichen und so den Benutzer der Anfrage authentifizieren.

[TF-PK-3] The user can choose the gender of the bot while creating the session.

Der Anwender kann das Geschlecht “männlich” oder “weiblich” bei der Erstellung einer Sitzung auswählen.

[TF-E-4] The bot knows its name.

Wird der Bot nach seinem Name gefragt antwortet, er mit seinem zufällig generierten Namen.

[TF-ANT-5] Bots responds within 1 to 30 seconds.

Die durchschnittliche Antwortzeit des Bots auf 10 verschiedene Nutzereingaben liegt über einer Sekunde und unter 30 Sekunden.

Error Handling Web API

[TF-PK] A new session loads all chats of the user and displays them.

Wenn eine Sitzung geladen wird, werden alle Daten des gespeichert Chats geladen und angezeigt.

Create Mood Analyzer.

Sollte es sich nicht um eine Benutzereingabe mit vordefinierter Antwort halten, so wird eine Antwort mit Hilfe der durch TensorFlow trainierten künstlichen Intelligenz generiert. Dabei werden die Stimmung sowie Zuneigung (Mood Analyzer) berücksichtigt, die der Nutzer mit seiner Nachricht vermittelt. Dies geschieht erneut über Mustererkennung auf Basis eines Datensatzes, der Nachrichten bestimmter Stimmungen und Zuneigungen enthält (siehe Aufbau der Lerndaten).

[TF-ANT-4] Bot simulates mood and affect towards the User.

Der Bot antwortet basierend auf der Stimmung und Zuneigung. Wird der Bot beleidigt und anschließend nach seinem Befinden gefragt, so soll die Antwort entsprechend negativ ausfallen.

Create Architecture

[TF-PK-2] The user can load a session.

Der Anwender kann eine Sitzung mit dem Bot laden.

Bot creation - Pop Up

https://github.com/AAA-Intelligence/eve/blob/master/manager/webserver.go

update:
func createBot(w http.ResponseWriter, r *http.Request) {
err := db.CreateBot(&db.Bot{
Name: lorem.Word(3, 10),
Image: "hässlich.png",
Gender: db.Female,
User: GetUserFromRequest(r).ID,
})
if err != nil {
http.Error(w, err.Error(), http.StatusInternalServerError)
return
}
http.Redirect(w, r, "/", http.StatusSeeOther)
}

Format code and fix code style

Before the end of the project, we should ensure a consistent code style throughout the project (i.e., gofmt style for all Go files, an agreed style for all CSS and HTML files and PEP 8 for all Python files).

[TF-E-2] The bot understands context based sentences and responds accordingly.

Der Bot versteht Kontexte in Aussagen. So soll bei einer Nachricht Kontext auf eine vorherige Nachricht bezogen werden. Antwortet der Bot mit dem richtigen Kontext ist der Testfall bestanden.

Create pattern recognizer

The pattern recognizer shall detect certain sentence pattern which triggers a static respond.

Example: a joke

Fill PSP with the data from "Projekttagebuch"

Create Installation Guide with Docker

[TF-ANT-6] Specific Keywords triggers predefined responses.

Bestimmte Keywords in einer Nutzernachricht rufen vordefinierte Antworten des Bots hervor.

Create Web Socket.

Die Web App besteht aus der für den Nutzer sichtbaren User Interface (UI) und den für die Kommunikation zum Server benötigten Web Socket.
Das Absenden einer Nachricht über das UI, führt zum Weiterleiten der Nachricht über den Web Socket an den Request Handler. Alle Nachrichten des Bots werden an den Web Socket gesendet, welcher diese an das UI weitergeleitet und somit für den User sichtbar macht.

Create affection-mood-parser

[TF-PK-5] The User can choose a profilepicture of the bot while creating a session.

Der Anwender kann ein Profilbild des Bots bei der Erstellung einer Sitzung auswählen.

[TF-ANT] Bot generates answers in a proper german sentence.

Der Bot antwortet auf eine Eingabe des Nutzers in einem deutschen Satz.

[TF-S-1] The bots profile picture is shown in the chat.

Das Profilbild wird im Chatfenster mit dem Bot angezeigt.

Improve What's App parser

• Parse Englisch Texts
• Remove double "\n"
• Comment methods
• Improve Readme
• Test all functions

[TF-PK-4] The name of the bot will be created randomly.

Der Name des Bots wird bei der Erstellung zufällig generiert.

Create Chat-Korpus (Whats-App parser)

Das generative Modell wird verwendet, um Antworten auf Benutzereingaben zu generieren, für die keine vordefinierten Antworten ermittelt werden können. Dafür kommt ein Textkorpus zum Einsatz, der einen Dialog zwischen zwei Personen abbildet: dem Nutzer und den Bot. Dabei gilt, dass die Qualität der Antworten mit zunehmender Größe und Qualität des Textkorpus und Zeit, die die künstliche Intelligenz auf Basis des Textkorpus trainiert wird, steigt. Der Textkorpus muss in Form einer oder mehrerer Textdateien vorliegen, deren Nachrichten durch Zeilenumbrüche voneinander getrennt sind und am Anfang der Zeile eine Kennzeichnung “A:” oder “B:” haben, um zwischen den zwei Dialogteilnehmern zu unterscheiden. Außerdem müssen die Nachrichten eine vordefinierte Bewertung für Zuneigung und Stimmung in Form einer Fließkommazahl zwischen -1 und +1 enthalten, um die Stimmung des Bots und der Nutzernachrichten in der Antwort berücksichtigen zu können.

[TF-E] The user is able to make inputs after creating or loading a session.

Der Anwender kann nach erstellen oder laden einer Sitzung eine Nutzereingabe tätigen.

Create WEB-API Documentation