Toc-Project2017

Final project

A telegram bot based on a finite state machine

Setup

pip install -r requirements.txt

這次作業我沒有使用助教給的ngrok，因為實驗室剛好需要買一個Domain name來做chatbot的接口(大多數的Chat API都需要), 故我直接買了一個Domain name給實驗室的IP, 來當作Webhook的URL.

python demo.py

初始State都是在'user' 這次作業我設計了三個功能, 選擇第一項會進入State1 , 第二項會進入到State2, 第三項會進入到State3.

透過歌手查詢專輯, 輸入歌手會進入State4, Bot會顯示這位歌手歷年專輯，在輸入想要聆聽的專輯進入state5, Bot會顯示這張專輯裡的每一首歌並且詢問使用者是否要聆聽這張專輯, 目前預設是使用者都會打 "yes"並且進入state6.
透過喜愛的歌手推薦相關歌曲, 輸入歌手會進到State7, Bot則會顯示相關歌曲並且詢問是否要聆聽這份list, 目前預設是使用者都會打 "yes"並且進入state8.
透過歌手查詢該歌手Top 10 tracks, 輸入歌手會進到State9, Bot會顯示出Tracks並且詢問是否要聆聽這份list, 目前預設是使用者都會打 "yes"並且進入state10.

到達每個分支最後一個State輸入"/end"就會回到User state. 輸入"/check_state" 則能查到目前所在狀態.

User input 首先會透過Intent classification來判斷說這句話的Intent

Ex: 在我的Bot中"ok"和"yes"這兩句判斷會是一樣的意思,"Show recommendation"和"Need recommendation"也是一樣, "Find by coldplay"這句話也能認出你是要找Coldplay的資訊, 分析出來的Intent會傳至Machine中做State transition, 並且也傳至Action decision去根據User所需要的資料來決定Action, Action會透過Spotify API從Spotify 裡面撈資料, 回傳給使用者.

Intent判斷的部份是透過api.ai, api.ai是一款適合Dialogue Systems的Intent classification Agent，先設定好Intent，Entity並且指定他回傳的資料, 就可以很輕鬆的完成Intent classification. 其中裡面還能繼續上傳檔案作Training, 讓Agent更加聰明能認出以前沒看過的字並且增加判斷正確的機率, 原先一開始是想透過Slot filling配合RNN自己Train出一個NN, 但發現時間及Training data 不夠, 故選用這個方便的API.

Spotify的部份是因為我有訂閱會員, 所以可以使用它的Application開發模式, 透過這個API我能輕鬆取得專輯, 歌手, 歌曲的資料, 不過每次撈資料都要連過去撈, 這樣還是會花費一點時間, 做這種任務取向的Bot還是使用一個已存取Entity之間關係的資料庫配合Slot filling是最佳解.