用python写一个简单问答系统

好的，我可以帮你写一个简单的问答系统，以下是代码示例：

# 定义问题和答案
questions = {
    "你叫什么名字？": "我叫小明",
    "你几岁了？": "我今年18岁",
    "你喜欢什么？": "我喜欢打游戏",
    "你会什么？": "我会编程",
    "你的家乡在哪里？": "我的家乡在北京"
}

# 主函数
def main():
    while True:
        # 提示用户输入问题
        input_text = input("请输入你的问题：")
        # 查找问题的答案
        answer = questions.get(input_text)
        # 输出答案或提示无法回答
        if answer:
            print(answer)
        else:
            print("对不起，我无法回答这个问题。")

# 运行程序
if __name__ == "__main__":
    main()

这个简单的问答系统会提示用户输入问题，然后查找问题的答案并输出。如果问题没有对应的答案，就会输出“对不起，我无法回答这个问题。”你可以根据自己的需求修改问题和答案，或者添加更多的问题和答案。

相关问题

用python写一个智能问答系统

好的，下面是一个简单的示例：

首先，需要导入必要的库：

import json
import nltk
import numpy as np
import pandas as pd
from nltk.corpus import stopwords
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

然后，需要加载数据集。可以使用一个包含问题和答案的JSON文件：

with open('qa_data.json', 'r') as f:
    qa_data = json.load(f)

接下来，需要进行文本预处理。这里使用NLTK库来进行分词和去除停用词：

nltk.download('stopwords')
stop_words = stopwords.words('english')

def preprocess(text):
    words = nltk.word_tokenize(text.lower())
    words = [word for word in words if word.isalnum() and word not in stop_words]
    return ' '.join(words)

然后，可以使用TF-IDF算法来计算每个问题的向量表示：

corpus = [preprocess(qa['question']) for qa in qa_data]

vectorizer = TfidfVectorizer()
X = vectorizer.fit_transform(corpus)

接下来，可以使用余弦相似度来计算问题之间的相似度：

def get_best_answer(question):
    question_vec = vectorizer.transform([preprocess(question)])
    similarities = cosine_similarity(X, question_vec)
    best_match_index = np.argmax(similarities)
    return qa_data[best_match_index]['answer']

最后，可以使用上面的函数来回答用户的问题：

while True:
    question = input('Please enter your question: ')
    answer = get_best_answer(question)
    print(answer)

以上就是一个简单的智能问答系统的实现。当然，这只是一个示例，实际应用中可能需要更复杂的算法和处理步骤。

用python写一个简单的客服问答系统

好的，以下是一个简单的客服问答系统的Python代码，它可以根据用户输入的问题给出相应的答案：

# 客服问答系统

# 定义问答字典
qa_dict = {
    '你好': '你好，有什么可以帮到您的？',
    '退款': '您可以联系我们的客服电话：400-123-4567。',
    '发票': '您可以在个人中心下载已开具的发票。',
    '配送': '我们的商品一般在下单后24小时内发出，具体到达时间可能会有一定差异，请您耐心等待。',
    '其他': '很抱歉，我不是很明白您的意思，请您再详细描述一下。'
}

# 定义客服问答函数
def customer_service():
    print('欢迎来到客服问答系统，请输入您的问题：')
    while True:
        question = input()
        if question == '退出':
            print('感谢您使用客服问答系统，再见！')
            break
        else:
            answer = qa_dict.get(question, qa_dict['其他'])
            print(answer)

# 调用客服问答函数
customer_service()

运行程序后，用户可以输入问题进行咨询，输入"退出"可以退出程序。程序会根据用户输入的问题在字典中查找对应的答案，并输出到屏幕上。如果用户输入的问题不在字典中，程序会返回默认答案"很抱歉，我不是很明白您的意思，请您再详细描述一下。"。