def chat_admin(
): ####################### C H A T ###################################
chatbot = ChatBot(
'RobotUPB',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter',
#database_uri='mongodb://localhost:27017/PrototipoDB',
#database='./database.sqlite', #./database.sqlite5 fichero de la base de datos (si no existe se creará automáticamente)
input_adapter=
'chatterbot.input.TerminalAdapter', #indica que la pregunta se toma del terminal
output_adapter=
'chatterbot.output.TerminalAdapter', #indeica que la respuesta se saca por el terminal
output_format="text",
trainer='chatterbot.trainers.ListTrainer',
logic_adapters=[
"chatterbot.logic.BestMatch",
'chatterbot.logic.MathematicalEvaluation',
{
'import_path': 'chatterbot.logic.BestMatch',
'default_response': 'Lo siento pero no entiendo..',
'maximum_similarity_threshold': 1
},
],
preprocessors=['chatterbot.preprocessors.clean_whitespace'],
)
treiner = ChatterBotCorpusTrainer(chatbot)
treiner2 = ListTrainer(chatbot)
treiner.train("./PreguntasYRespuestas.yml")
#treiner.train("chatterbot.corpus.spanish")
levenshtein_distance = LevenshteinDistance()
disparate = Statement(
'Mala Respuesta') #convertimos una frase en un tipo statement
entradaDelUsuario = "" #variable que contendrá lo que haya escrito el usuario
entradaDelUsuarioAnterior = ""
print(
"***Recuerda: para corregir una PQRS escribe >>> Mala Respuesta <<< y >>> adios <<< para salir."
)
while entradaDelUsuario != "adios":
entradaDelUsuario = input(">>> ")
if entradaDelUsuario == '':
print('Digiste un algo')
else:
respuesta = chatbot.get_response(Statement(entradaDelUsuario))
print('Bot:' + str(respuesta))
if levenshtein_distance.compare(Statement(entradaDelUsuario),
Statement(disparate)) > 0.51:
print('¿Qué debería haber dicho?')
entradaDelUsuarioCorrecta = input(">>> ")
treiner2.train(
[entradaDelUsuarioAnterior, entradaDelUsuarioCorrecta])
print("He aprendiendo que cuando digas: {}. Debo responder: {}".
format(entradaDelUsuarioAnterior, entradaDelUsuarioCorrecta))
entradaDelUsuarioAnterior = entradaDelUsuario
def bot_coversacional(message):
chatbot = ChatBot(
'chatpet',
input_adapter='chatterbot.input.TerminalAdapter',
output_adapter='chatterbot.output.TerminalAdapter',
trainer='chatterbot.trainers.ListTrainer',
logic_adapters=[{
"import_path":
"chatterbot.logic.BestMatch",
"statement_comparison_function":
"chatterbot.comparisons.levenshtein_distance",
}],
preprocessors=['chatterbot.preprocessors.clean_whitespace'],
)
traine = ListTrainer(chatbot)
trainer = ChatterBotCorpusTrainer(chatbot)
trainer.train("chatterbot.corpus.spanish")
trainer.train("./chattrain.yml")
trainer.train("./psico.yml")
trainer.train("./conversation.yml")
trainer.train("./covid.yml")
trainer.train("./mentals.yml")
trainer.train("./medcurio.yml")
levenshtein_distance = LevenshteinDistance()
error = Statement('Te has equivocado')
entradaDelUsuarioAnterior = ""
respuesta = chatbot.get_response(message)
if levenshtein_distance.compare(Statement(message), error) > 0.60:
bot.reply_to(message, "¿Qué debería haber dicho?")
entradaDelUsuarioCorreccion = message
traine.train([entradaDelUsuarioAnterior, entradaDelUsuarioCorreccion])
bot.reply_to(
message,
"Bot: He aprendiendo que cuando digas {} debo responder {}".format(
entradaDelUsuarioAnterior, entradaDelUsuarioCorreccion))
entradaDelUsuarioAnterior = message
bot.reply_to(message, respuesta)
mensaje = open("respuesta.txt", "w")
mensaje.write(respuesta)
mensaje.close()
def search_commands(message, commandList):
for commandName in commandList:
for commandString in commandList[commandName]['Sentences']:
Levenshtein = LevenshteinDistance.compare(
'self', Statement(text=commandString),
Statement(text=message.text))
#Synset = SynsetDistance(commandString, message.text)
#Jaccard = JaccardSimilarity(commandString, message.text)
if (Levenshtein > float(botParams['min_confidence_rate'])):
return commandName
return False
def can_process(self, statement):
phrases = [
' '.join(x) for x in itertools.product([
"ile do wyplaty", "kiedy wyplata", "kiedy bedzie wyplata",
"wyplata", "ile dni do", "wyplata"
], ["500", "500+", "500 plus", "piecet plust", "piecet"])
]
best = max([
LevenshteinDistance().compare(statement, Statement(p))
for p in phrases
])
return best > 0.8
def can_process(self, statement):
phrases = [
"opowiedz kawal",
"opowiedz dowcip",
"opowiedz mi dowcip",
"opowiedz zart",
"opowiedz mi aart",
"rozbaw mnie",
"opowiedz coś śmiesznego",
"znasz jakis kawal",
"znasz jakis dowcip"
]
best = max([LevenshteinDistance().compare(statement, Statement(p.lower())) for p in phrases])
return best > 0.8
def chat_users():
bd_data_copia()
stats = bd_data_copia()
chatbot = ChatBot(
'RobotUPB',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter',
#database_uri='mongodb://localhost:27017/PrototipoDB',
#database='./database.sqlite', #./database.sqlite5 fichero de la base de datos (si no existe se creará automáticamente)
input_adapter=
'chatterbot.input.TerminalAdapter', #indica que la pregunta se toma del terminal
output_adapter=
'chatterbot.output.TerminalAdapter', #indeica que la respuesta se saca por el terminal
output_format="text",
trainer='chatterbot.trainers.ListTrainer',
logic_adapters=[
"chatterbot.logic.BestMatch",
'chatterbot.logic.MathematicalEvaluation',
{
'import_path': 'chatterbot.logic.BestMatch',
'default_response': 'Lo siento pero no entiendo..',
'maximum_similarity_threshold': 1
},
],
preprocessors=['chatterbot.preprocessors.clean_whitespace'],
)
treiner = ChatterBotCorpusTrainer(chatbot)
treiner2 = ListTrainer(chatbot)
treiner.train("./PreguntasYRespuestas.yml")
#treiner.train("chatterbot.corpus.spanish")
levenshtein_distance = LevenshteinDistance()
#disparate=Statement('Mal')#convertimos una frase en un tipo statement
entradaDelUsuario = "" #variable que contendrá lo que haya escrito el usuario
entradaDelUsuarioAnterior = ""
print("***Recuerda, escribe >>> adios <<< para salir del ChatBot***")
while entradaDelUsuario != "adios":
entradaDelUsuario = input(">>> ")
if entradaDelUsuario == '':
print('Digite su PQRS!')
else:
respuesta = chatbot.get_response(Statement(entradaDelUsuario))
print('ChatBotUPB:' + str(respuesta))
stats.insert_one({
"pqrs_usuario": entradaDelUsuario,
"respuesta_pqrs": str(respuesta)
})
def conversation(var):
entradaDelUsuario = Statement(var)
# Elegir la forma de medir la similitud entre dos frases
levenshtein_distance = LevenshteinDistance()
# synset_distance = SynsetDistance()
sentiment_comparison = SentimentComparison()
# jaccard_similarity = JaccardSimilarity()
# hablar("el tipo de entrada es {0}".format(type(entradaDelUsuario)))
disparate = Statement(
'te equivocaste') # convertimos una frase en un tipo statement
if levenshtein_distance.compare(entradaDelUsuario, disparate) > 0.51:
hablar('¿Qué debería haber dicho?')
entradaDelUsuarioCorreccion = saveWord()
trainer.train([entradaDelUsuario, entradaDelUsuarioCorreccion])
hablar("He aprendiendo que cuando digas {} debo responder {}".format(
entradaDelUsuario.text, entradaDelUsuarioCorreccion.text))
# leemos la entrada del usuario
elif levenshtein_distance.compare(entradaDelUsuario,
Statement('¿que hora es?')) > 0.51:
hora = str(now.hour)
minutos = str(now.minute)
hablar('son las {0} y {1}'.format(hora, minutos))
elif levenshtein_distance.compare(
entradaDelUsuario,
Statement('¿cual es la definicion de ?')) > 0.51:
zen = TextBlob(var)
palabra = zen.words[-1]
for i in Word(palabra).definitions:
tras = TextBlob(i).translate('es')
hablar(tras)
elif levenshtein_distance.compare(entradaDelUsuario,
Statement('chao')) > 0.51:
hablar('hasta luego')
response = chatbot.generate_response(entradaDelUsuario)
# print(statement) #statement contiene el mismo valor que entradaDelUsuario
hablar(response.text)
def on_return_pressed(self):
chatbot=ChatBot('chatpet',
input_adapter='chatterbot.input.TerminalAdapter',
output_adapter='chatterbot.output.TerminalAdapter',
trainer='chatterbot.trainers.ListTrainer',
logic_adapters =[
{
"import_path": "chatterbot.logic.BestMatch",
"statement_comparison_function": "chatterbot.comparisons.levenshtein_distance",
}
],
preprocessors=[
'chatterbot.preprocessors.clean_whitespace'
],
)
traine=ListTrainer(chatbot)
trainer=ChatterBotCorpusTrainer(chatbot)
trainer.train("chatterbot.corpus.spanish")
trainer.train("./chattrain.yml")
trainer.train("./psico.yml")
trainer.train("./conversation.yml")
trainer.train("./covid.yml")
trainer.train("./mentals.yml")
trainer.train("./medcurio.yml")
levenshtein_distance = LevenshteinDistance()
error=Statement('Te has equivocado')
entradaDelUsuarioAnterior=""
request=str(self.useredit.text())
if request=='grabar audio':
r = sr.Recognizer()
with sr.Microphone() as source:
response=("Di algo...")
audio = r.listen(source)
try:
request = r.recognize_google(audio, language='es-ES')
response("Lo que dijiste: {}".format(request))
except:
response("Lo siento, no te entiendo!")
response=chatbot.get_response(str(request))
if levenshtein_distance.compare(Statement(request),error)>0.51:
response=("¿Qué debería haber dicho?")
entradaDelUsuarioCorreccion = str(self.useredit.text())
traine.train([entradaDelUsuarioAnterior,entradaDelUsuarioCorreccion])
response=("He aprendiendo que cuando digas {} debo responder {}".format(entradaDelUsuarioAnterior,entradaDelUsuarioCorreccion))
self.textEdit.append(str(request))
self.textEdit.setAlignment(QtCore.Qt.AlignRight)
self.useredit.clear()
self.textEdit.append(str(response))
self.textEdit.setAlignment(QtCore.Qt.AlignLeft)
self.useredit.setFocus()
def retranslateUi(self, chatbots):
_translate = QtCore.QCoreApplication.translate
chatbots.setWindowTitle(_translate("chatbots", "chatbots"))
self.enviar.setText(_translate("chatbots", "Enviar"))
self.atras.setText(_translate("chatbots", "Atrás"))
self.titulo.setText(_translate("chatbots", "Chatbot"))
# "Hola!",
# "Hola",
# "Como estas?",
#"Bien y tu?",
#"Bien tambien",
#])
#chatbott.train([
#"Te casarias conmigo?",
#"El sistema se ha caido, intente mas tarde",
#"rayos",
#"te gustaria ser mi amigo?"
#"no te preocupes yo trato de entendenrte"
# ])
usuario = ""
levenshtein_distance = LevenshteinDistance()
disparate = Statement('que?')
while True:
entradaDelUsuarioAnterior = Statement(usuario)
usuario = ""
usuario = input(">>> ")
entrada = Statement(usuario)
respuesta = chatbot.get_response(usuario)
# chatterbot.utils.get_response_time(chatbot, declaración='Hola')
if levenshtein_distance.compare(entrada, disparate) > 0.71:
print('¿Qué debería haber dicho?')
correcccion = input(">>>> ")
entradaDelUsuarioCorreccion = Statement(correcccion)
trainer = ChatterBotCorpusTrainer(chatbot)
trainer.train("chatterbot.corpus.spanish")
trainer.train("./trainer/IA.yml")
trainer.train("./trainer/conversación.yml")
trainer.train("./trainer/dinero.yml")
trainer.train("./trainer/emociones.yml")
trainer.train("./trainer/saludos.yml")
trainer.train("./trainer/perfilBot.yml")
trainer.train("./trainer/psicología.yml")
trainer.train("./trainer/trivia.yml")
trainer.train("./trainer/cruises_ES.yml")
trainer.train("./trainer/auto_aprendizaje.yml")
levenshtein_distance = LevenshteinDistance()
inputAnterior = ""
aprender = Statement(text="Emily aprende")
while True:
try:
inputUser = Statement(text=input())
# if "Emily aprende" not in inputUser.text:
if levenshtein_distance.compare(inputUser, aprender) > 0.51:
print(feedback(inputAnterior.text))
else:
bot_output = chatbot.get_response(inputUser)
print(bot_output)
inputAnterior = inputUser
except (KeyboardInterrupt, EOFError, SystemExit) as e:
from django.http import JsonResponse
from chatterbot.trainers import ChatterBotCorpusTrainer
import random
from dashboard.models import Conversacion, Reporte
import string
from chatterbot.comparisons import LevenshteinDistance
from chatterbot.parsing import datetime_parsing
from chatterbot.response_selection import get_most_frequent_response
from datetime import datetime
from chatterbot.trainers import ListTrainer
from django.core.mail import send_mail, BadHeaderError
from .forms import ContactForm
from django.http import HttpResponse, HttpResponseRedirect
from users_auth.forms import ReporteForm
levenshtein_distance = LevenshteinDistance()
class ChatterBotApiView(View):
bot = ChatBot(**settings.CHATTERBOT)
def post(self, request, *args, **kwargs):
input_data = json.loads(request.body.decode('utf-8'))
if input_data['text'] == '' or input_data['id'] == '':
return JsonResponse(
{'text': ['El atributo texto o id son requeridos']},
status=400)
else:
conversa = Conversacion(texto=input_data['text'],
enviadopor=input_data['id'],
response='USER')
'chatterbot.output.TerminalAdapter', #indeica que la respuesta se saca por el terminal
logic_adapters=[
#'chatterbot.logic.MathematicalEvaluation', #Este es un logic_adapter que responde preguntas sobre matemáticas en inglés
#'chatterbot.logic.TimeLogicAdapter', #Este es un logic_adapter que responde preguntas sobre la hora actual en inglés
{
"import_path": "chatterbot.logic.BestMatch",
"statement_comparison_function":
"chatterbot.comparisons.levenshtein_distance",
"response_selection_method": get_most_frequent_response,
}
],
preprocessors=['chatterbot.preprocessors.clean_whitespace'],
)
trainer = ChatterBotCorpusTrainer(chatbot)
trainer.train('./soporte.yml')
levenshtein_distance = LevenshteinDistance()
#synset_distance = SynsetDistance()
#sentiment_comparison = SentimentComparison()
#jaccard_similarity = JaccardSimilarity()
disparate = Statement(
'Te has equivocado') #convertimos una frase en un tipo statement
entradaDelUsuario = "" #variable que contendrá lo que haya escrito el usuario
while entradaDelUsuario != "adios":
entradaDelUsuario = Statement(text=input()) #leemos la entrada del usuario
respuesta = chatbot.generate_response(entradaDelUsuario)
try:
fecha = datetime_parsing(entradaDelUsuario.text)
fecha = fecha[0]
print(fecha[0])
"chatterbot.comparisons.levenshtein_distance",
}],
preprocessors=['chatterbot.preprocessors.clean_whitespace'],
)
traine = ListTrainer(chatbot)
trainer = ChatterBotCorpusTrainer(chatbot)
trainer.train("chatterbot.corpus.spanish")
trainer.train("./chattrain.yml")
trainer.train("./psico.yml")
trainer.train("./conversation.yml")
trainer.train("./covid.yml")
trainer.train("./mentals.yml")
trainer.train("./medcurio.yml")
levenshtein_distance = LevenshteinDistance()
error = Statement('Te has equivocado')
request = ""
entradaDelUsuarioAnterior = ""
while True:
if request == 'salir':
break
request = input("Yo: ")
if request == 'grabar audio':
r = sr.Recognizer()
with sr.Microphone() as source:
print("Di algo...")
