來點AI感，用QnA Maker來搞Line Chatbot回覆

第 12 屆 iThome 鐵人賽

DAY 16

Modern Web

宅男的浪漫 - 用 .NET Core 打造 Line 婚禮聊天機器人經驗分享系列第 16 篇

12th鐵人賽 azure qna maker c# line bot

Kyle Shen

2020-09-30 08:17:05

2960 瀏覽

分享至

第12 屆iT邦幫忙鐵人賽系列文章 (Day16)

QnA Maker 是啥

QnA Maker 是微軟提供一個雲端的自然語言處理 (NLP) 處理服務，可輕鬆透過網站後台建立自己的知識庫，並能從使用者所輸入的語句，理解他的意圖，提供可能對應的知識庫答案。QnA Maker提供了免費的方案，但限制就是只能有3份知識庫、每秒只能調用Api 3次，每月50,000筆Request，對於一般使用或技術評估來講很夠用了。要在 Line 串接大概分為以下步驟：

[ ] 在Azure註冊 QnA Maker
[ ] 新增一個 knowledge base
[ ] 增加題目與回答
[ ] 完成訓練 & 發佈
[ ] 取得 Endpoint、EndpointKey，來讓程式串接

建立 QnA Maker

照著 https://www.qnamaker.ai/Create Step By Step 步驟，因為QnA Maker是Azure的服務，故您可以需要Azure的訂閱，由此註冊試用

Step 1 在 Azure 新增 QnA Maker 服務

Step 2 選取剛剛建立的QnA Maker服務，並選擇繁體中文

Step 3 knowledge base 名稱

步驟四可以匯入現有的資料集，來源可以是文件或者是線上的網站，這樣就不用重新建檔了，是不是很酷啊 :D

Step 4 匯入資料集 (本次先跳過)

開始瘋狂建題目吧！我們來試試建立："新人怎麼認識的？" 回答我們設定 "我們是在打工餐廳認識的喔，那時的同事 put your hands up ??"，並點選Save And Train

可以透過旁邊的模擬器測試，嘗試打類似的問話，都會對應的相同的回答

在 .NET Core 串接 QnA Maker

在串接之前，記得要先點選 Publish

又是得到一個熟悉的 curl 指令，可以繼續用 https://curl.olsh.me/ 來轉 C# 啦

QnAMakerUtility.cs

新增一個 Utility 來處理 QnA Maker，裡面的 Key 應該要移到appsetting.json比較好替換，最初幾篇有提到可以用 IOption 來注入，這邊就不再多提了。QnA Maker判斷出來會有個分數值，我們篩選最高的當作答案，另也定義一個選擇新參數為分數，如果有值的話，要大於這個分數我們才會回傳。

public class QnAMakerUtility

{

public async Task<QnAMakterAnswer> Get(string question, int? scope = null)

{

using (var httpClient = new HttpClient())

{

using (var request = new HttpRequestMessage(new HttpMethod("POST"), "https://qna-maker-lab.azurewebsites.net/qnamaker/knowledgebases/OOOOO-2d0e-4512-ba3f-a58fdc4c37e1/generateAnswer"))

{

request.Headers.TryAddWithoutValidation("Authorization", "EndpointKey 5fdcf6c7-eb76-4a53-9e3b-74570645bOOO");

request.Content = new StringContent("{'question':'" + question + "'}");

request.Content.Headers.ContentType = MediaTypeHeaderValue.Parse("application/json");

var response = await httpClient.SendAsync(request);

var result = await response.Content.ReadAsStringAsync();

var qnaResponse = JsonConvert.DeserializeObject<QnAMakerResponse>(result);

// 取得分數最高的回答

var answers = qnaResponse.answers;

// 選擇性參數，大於多少分數才回傳，這樣看起來會比較準

if(scope.HasValue)

{

answers = answers.Where(c => c.score >= scope.Value);

}

var answer = answers.OrderByDescending(c => c.score).FirstOrDefault();

// 無法辨識

if (answer == null || answer.id == -1) return null;

return answer;

}

}

}

}

QnAMakerResponse

public class QnAMakerResponse

{

public IEnumerable<QnAMakterAnswer> answers { get; set; }

public bool activeLearningEnabled { get; set; }

}

public class QnAMakterAnswer

{

public object[] questions { get; set; }

public string answer { get; set; }

public float score { get; set; }

public int id { get; set; }

public object[] metadata { get; set; }

}

調整一下 IntenFactory.cs

我們先判斷 Rule Base 的回覆 (字串完整比對)，有比對到就回傳了，如果沒有比對到，則丟到 AI Base (QnA Maker) 來判斷

傳送 "新人怎麼認識的？" 分數是 100 分

傳送 “當初怎麼交往的?” 分數是 26.53 分

所以對話模型是要逐步訓練的，我們調整一下，提升交往關鍵字的分數，要記得重新訓練和發佈

傳送 "交往的過程"，得到重新訓練後的分數 99 分了

本篇就是 .NET Core 串接 QnA Maker 的過程，透過這種雲端語意辨識服務，我們再也不用在程式擴增一堆 Intent 實作，並且讓 Chatbot 聰明一點，使用者為什麼都可以知道它想問的意圖是什麼。如果要更聰明一點訓練，可以考慮使用微軟的 LUIS 服務，在 LUIS 可以針對使用者所傳的資訊拆解 Entity / Intent，透過訊息的收集，透過自行定義的訓練語意讓 Chatbot 理解且更準的內容，但本系列文章應該不會介紹到這塊 (後續還是介紹一些好玩的 Line服務)