معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

High-speed conversational dialogue engine

ویژگی	مقدار
سیستم عامل	-
نام فایل	flipgenic-2.2.1
نام	flipgenic
نسخه کتابخانه	2.2.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Daniel Thwaites
ایمیل نویسنده	danthwaites30@btinternet.com
آدرس صفحه اصلی	https://github.com/danth/flipgenic
آدرس اینترنتی	https://pypi.org/project/flipgenic/
مجوز	-

<p align="center"> <img src="images/header.png" alt="Flipgenic: High-speed conversational dialogue engine" /> </p> --- ## What is it? Flipgenic is a library for creating simple chatbots. A Flipgenic bot starts with an empty mind and learns how to communicate over time by reusing messages it has seen in previous conversations. It does not write anything original. Here is an example from its use in [Axyn](https://github.com/danth/axyn): ![Screenshot of example conversation](images/Screenshot_20200426_124703.png) Flipgenic is focused on fast reply times and a simple API. [Chatterbot](https://chatterbot.readthedocs.io/en/stable/), a more well-known library, has additional features such as custom filters and logic adapters. ## How do I use it? Here is a basic example: ```python # python -m pip install flipgenic # python -m spacy download en_core_web_md from flipgenic import Responder # Create and connect to database # This can take a while to load the spaCy models responder = Responder('/path/to/data/folder/') # Initialize the database with a single response responder.learn_response('Hello', 'Hi!') response = None while True: text = input('> ') if response: # Learn the input as a response to the previous output responder.learn_response(response, text) # Generate a response response, distance = responder.get_response(text) print(response.text, f'({distance})') ``` **For more, see [ReadTheDocs](https://flipgenic.readthedocs.io/en/latest/quickstart.html).** ## How does it work? 1. Upon calling `get_response`, the input is converted to a 300-dimensional vector. The vector embeddings for each word are provided by [SpaCy](https://spacy.io/api/token#vector); calculating the mean gives a single vector representing the whole text. 2. A closest match is found by searching the vectors of previously seen messages. An [NGT](https://github.com/yahoojapan/NGT) index improves performance. 3. The search result corresponds to one or more known responses. These responses are stored in an SQLite database. 4. We select a matching response at random. The same response might have been learned more than once, giving it a higher chance of selection. 5. Along with the selected response, the distance between the input vector and the search result is returned as a confidence heuristic.

نیازمندی

مقدار	نام
<2,>=1.3	sqlalchemy
<2,>=1	ngt
<4,>=3	spacy
<4,>=3	Sphinx

زبان مورد نیاز

مقدار	نام
>=3.6,<4	Python

نحوه نصب

نصب پکیج whl flipgenic-2.2.1:

pip install flipgenic-2.2.1.whl

نصب پکیج tar.gz flipgenic-2.2.1:

pip install flipgenic-2.2.1.tar.gz