聊天机器人虽有问答集可以回覆大部分常见问题，但难免会有疏漏。因此本研究亦设计回馈机制，若使用者发现机器人的回覆内容不符合想预期，可以直接查看与问句第二和第三相似的问答组合，或是点选「以上皆非」选项，两种方式系统都会自动记录相关资讯。後续我们便可整理蒐集到的组合，持续优化聊天机器人与扩增问答集。

「[语料库模型] 07-程序码: 余弦相似性」这篇的程序码会回传相似度最高的 3 个问答组合。

回馈纪录使用与问答集相似的 CSV 格式储存，方便整理後移植到资料集中。

• 回馈纪录的 log
  连结: https://gitlab.com/graduate_lab415/nlp/-/blob/master/output/adjustments.bk.csv
  
• 问答集(语料库)
  连结: https://gitlab.com/graduate_lab415/nlp/-/blob/master/docs/fixed_file_1622789141_remove_duplicate_labeled_renumber.csv
  

比较不同的是，回馈纪录的 Q 栏位代表的是使用者输入的语句，A 栏位则会根据使用者的选择而有不同，主要分为两种情况。

• 情况一，点选其他相符的选项
  使用者输入「申请喘息服务」，而机器人一开始回覆的问答组合不符预期，所以使用者点选查看第三相符的问答组合「总则(给付八)_独居长辈是否能使用喘息服务」，因此可以判断「使用者输入的语句」与「第三相符问答组合的答案」较相符，并将此新的问答组合储存於回馈纪录中。
  
• 情况二，点选「以上皆非」
  使用者输入「外籍看护来自哪一国」，而机器人回覆的内容都不符合使用者期待，所以他选择「以上皆非」，代表此问题对我们问答集来说是新问题，因此回馈纪录就会记录一笔新的问答组合。
  

程序码

程序码: https://gitlab.com/graduate_lab415/nlp/-/blob/master/add_adjustment.py
这部分的程序码，是为了让 API 可以将回馈纪录写进档案

接收参数

param = sys.argv
q = param[1] #使用者输入的问句
qa_id = param[2] #使用者认为较贴切的问句，若都不符合则传送 -1 
category_id = param[3] #使用者当下选择的类别编号

可以接收像是这样的参数

python3 add_adjustment.py "申请喘息服务" 359 0

判断是否为新问题

新问题是指使用者选了「以上皆非」，也就是说使用者认为他的问句和我们提供的都不相似，我们把这种状况认为是新问题。

if qa_id == "-1":
    result['new_question'] = True
    answer = ""
    remark = "New Question"
else:
    result['new_question'] = False
    qa = os.popen(
        "/home/yr/PycharmProjects/nlp/venv/bin/python3 /home/yr/PycharmProjects/nlp/get_answer_by_id.py " + qa_id).read()
    qa = json.loads(qa)
    answer = qa['A']
    remark = "Origin Question "+qa['Q']

result 是用来记录状况，印出最後的 JSON 档案的。
remark 就是备注，若是新问题，备注就会记录 "New Question"；反之，则纪录使用者认为更贴近问题。
answer 是针对使用者的问句，若是新问题，就留空，待後续维护人员评估；反之，使用编号 359 查出问答组合，并把答案的部分存到 answer。

将记录写入档案

file_exist = os.path.isfile("/home/yr/PycharmProjects/nlp/output/adjustments.csv")
csv_file = open("/home/yr/PycharmProjects/nlp/output/adjustments.csv", "a+")
writer = csv.writer(csv_file, delimiter=',')

'''Add CSV Title'''
if not file_exist:
    csv_file = open("/home/yr/PycharmProjects/nlp/output/adjustments.csv", "w")
    writer = csv.writer(csv_file, delimiter=',')
    writer.writerow(['id', 'Intent ID', 'Q', 'A', 'category', 'source', 'time', 'remark'])

'''Add Row'''
csv_file = open("/home/yr/PycharmProjects/nlp/output/adjustments.csv", "a+")
writer = csv.writer(csv_file, delimiter=',')
new_row = ['', '', q, answer, category_id, 'User Input', str(datetime.datetime.now()), remark]

首先检查 adjustments.csv 档案是否存在，若不存在，就开个新档，并把栏位名称写进去。
档案已存在，就把纪录直接写到档案的最後一笔。

w: 开新档 & 写入
a+: 用附加方式打开(资料会加在档案最後，不会把前面的内容洗掉) & 可读写

检查写档是否成功

success = writer.writerow(new_row)

if success > 6:
    '''
    new_row = ['', '', '', '', '']
    because len(new_raw) is 6
    '''
    result['success'] = 1
else:
    result['success'] = -1

这部分可能没写很好，未来可以再修正写法。
主要是想以 new_row 的长度来决定是否有新增成功，判断的时候又遇到一些问题，不太了解为何 len(['', '', '', '', '']) 的结果是 6，就先将错就错，若是长度有大於 5 个空字串的 list，就算他成功吧。

印出 JSON

print(json.dumps(result, ensure_ascii=False))

印出刚刚准备的 result，回馈机制的 API 就完成了!

{
    "new_question": true, 
    "success": 1 
}

• 本文同步发布在: https://dreambo4.github.io/2021/10/04/%E8%AA%9E%E6%96%99%E5%BA%AB%E6%A8%A1%E5%9E%8B-09-%E5%9B%9E%E9%A5%8B%E6%A9%9F%E5%88%B6/#more