在上一節中我分享了建設好的影視劇字幕聊天語料庫，本節基於這個語料庫開發我們的聊天機器人，因為是第一版，所以機器人的思緒還有點小亂，答非所問、驢脣不對馬嘴得比較搞笑，大家湊合玩

第一版思路

首先要考慮到我的影視劇字幕聊天語料庫特點，它是把影視劇裡面的說話內容一句一句以回車換行羅列的三千多萬條中國話，那麼相鄰的第二句其實就很可能是第一句的最好的回答，另外，如果對於一個問句有很多種回答，那麼我們可以根據相關程度以及歷史聊天記錄來把所有回答排個序，找到最優的那個，這麼說來這是一個搜尋和排序的過程。對！沒錯！我們可以藉助搜尋技術來做第一版。

lucene+ik

lucene是一款開源免費的搜尋引擎庫，java語言開發。ik全稱是IKAnalyzer，是一個開源中文切詞工具。我們可以利用這兩個工具來對語料庫做切詞建索引，並通過文字搜尋的方式做文字相關性檢索，然後把下一句取出來作為答案候選集，然後再通過各種方式做答案排序，當然這個排序是很有學問的，聊天機器人有沒有智慧一半程度上體現在了這裡(還有一半體現在對問題的分析上)，本節我們的主要目的是打通這一套機制，至於“智慧”這件事我們以後逐個拆解開來不斷研究。

建索引

首先用eclipse建立一個maven工程，如下：

maven幫我們自動生成了pom.xml檔案，這配置了包依賴資訊，我們在dependencies標籤中新增如下依賴：

<dependency>
    <groupId>org.apache.lucene</groupId>
    <artifactId>lucene-core</artifactId>
    <version>4.10.4</version>
</dependency>
<dependency>
    <groupId
 
>org.apache.lucene</groupId>
    <artifactId>lucene-queryparser</artifactId>
    <version>4.10.4</version>
</dependency>
<dependency>
    <groupId>org.apache.lucene</groupId>
    <artifactId>lucene-analyzers-common</artifactId>
    <version
 
>4.10.4</version>
</dependency>
<dependency>
    <groupId>io.netty</groupId>
    <artifactId>netty-all</artifactId>
    <version>5.0.0.Alpha2</version>
</dependency>
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
    <version>1.1.41</version>
</dependency>

並在project標籤中增加如下配置，使得依賴的jar包都能自動拷貝到lib目錄下：

<build>
  <plugins>
    <plugin>
      <groupId>org.apache.maven.plugins</groupId>
      <artifactId>maven-dependency-plugin</artifactId>
      <executions>
        <execution>
          <id>copy-dependencies</id>
          <phase>prepare-package</phase>
          <goals>
            <goal>copy-dependencies</goal>
          </goals>
          <configuration>
            <outputDirectory>${project.build.directory}/lib</outputDirectory>
            <overWriteReleases>false</overWriteReleases>
            <overWriteSnapshots>false</overWriteSnapshots>
            <overWriteIfNewer>true</overWriteIfNewer>
          </configuration>
        </execution>
      </executions>
    </plugin>
    <plugin>
      <groupId>org.apache.maven.plugins</groupId>
      <artifactId>maven-jar-plugin</artifactId>
      <configuration>
        <archive>
          <manifest>
            <addClasspath>true</addClasspath>
            <classpathPrefix>lib/</classpathPrefix>
            <mainClass>theMainClass</mainClass>
          </manifest>
        </archive>
      </configuration>
    </plugin>
  </plugins>
</build>

從https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/ik-analyzer/IK%20Analyzer%202012FF_hf1_source.rar下載ik的原始碼並把其中的src/org目錄拷貝到chatbotv1工程的src/main/java下，然後重新整理maven工程，效果如下：

在com.shareditor.chatbotv1包下maven幫我們自動生成了App.java，為了辨識我們改成Indexer.java，關鍵程式碼如下：

Analyzer analyzer = new IKAnalyzer(true);
IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_4_9, analyzer);
iwc.setOpenMode(OpenMode.CREATE);
iwc.setUseCompoundFile(true);
IndexWriter indexWriter = new IndexWriter(FSDirectory.open(new File(indexPath)), iwc);

BufferedReader br = new BufferedReader(new InputStreamReader(
        new FileInputStream(corpusPath), "UTF-8"));
String line = "";
String last = "";
long lineNum = 0;
while ((line = br.readLine()) != null) {
	line = line.trim();

	if (0 == line.length()) {
		continue;
	}

	if (!last.equals("")) {
		Document doc = new Document();
		doc.add(new TextField("question", last, Store.YES));
		doc.add(new StoredField("answer", line));
		indexWriter.addDocument(doc);
	}
	last = line;
	lineNum++;
	if (lineNum % 100000 == 0) {
		System.out.println("add doc " + lineNum);
	}
}
br.close();

indexWriter.forceMerge(1);
indexWriter.close();

編譯好後拷貝src/main/resources下的所有檔案到target目錄下，並在target目錄下執行

java -cp $CLASSPATH:./lib/:./chatbotv1-0.0.1-SNAPSHOT.jar com.shareditor.chatbotv1.Indexer ../../subtitle/raw_subtitles/subtitle.corpus ./index

最終生成的索引目錄index通過lukeall-4.9.0.jar檢視如下：

檢索服務

Analyzer analyzer = new IKAnalyzer(true);
QueryParser qp = new QueryParser(Version.LUCENE_4_9, "question", analyzer);
if (topDocs.totalHits == 0) {
	qp.setDefaultOperator(Operator.AND);
	query = qp.parse(q);
	System.out.println(query.toString());
	indexSearcher.search(query, collector);
	topDocs = collector.topDocs();
}

if (topDocs.totalHits == 0) {
	qp.setDefaultOperator(Operator.OR);
	query = qp.parse(q);
	System.out.println(query.toString());
	indexSearcher.search(query, collector);
	topDocs = collector.topDocs();
}


ret.put("total", topDocs.totalHits);
ret.put("q", q);
JSONArray result = new JSONArray();
for (ScoreDoc d : topDocs.scoreDocs) {
	Document doc = indexSearcher.doc(d.doc);
	String question = doc.get("question");
	String answer = doc.get("answer");
	JSONObject item = new JSONObject();
	item.put("question", question);
	item.put("answer", answer);
	item.put("score", d.score);
	item.put("doc", d.doc);
	result.add(item);
}
ret.put("result", result);

其實就是查詢建好的索引，通過query詞做切詞拼lucene query，然後檢索索引的question欄位，匹配上的返回answer欄位的值作為候選集，使用時挑出候選集裡的一條作為答案

這個server可以通過http訪問，如http://127.0.0.1:8765/?q=hello（注意：如果是中文需要轉成urlcode傳送，因為java端讀取時按照urlcode解析），server的啟動方法是：

java -cp $CLASSPATH:./lib/:./chatbotv1-0.0.1-SNAPSHOT.jar com.shareditor.chatbotv1.Searcher

聊天介面

先看下我們的介面是什麼樣的，然後再說怎麼做的

首先需要有一個可以展示聊天內容的框框，我們選擇ckeditor，因為它支援html格式內容的展示，然後就是一個輸入框和傳送按鈕，html程式碼如下：

<div class="col-sm-4 col-xs-10">
    <div class="row">
        <textarea id="chatarea">
            <div style='color: blue; text-align: left; padding: 5px;'>機器人: 喂，大哥您好，您終於肯跟我聊天了,來侃侃唄,我來者不拒!</div>
            <div style='color: blue; text-align: left; padding: 5px;'>機器人: 啥?你問我怎麼這麼聰明會聊天?因為我剛剛吃了一堆影視劇字幕!</div>
        </textarea>
    </div>
    <br />

    <div class="row">
        <div class="input-group">
            <input type="text" id="input" class="form-control" autofocus="autofocus" onkeydown="submitByEnter()" />
            <span class="input-group-btn">
            <button class="btn btn-default" type="button" onclick="submit()">傳送</button>
          </span>
        </div>
    </div>
</div>



<script type="text/javascript">

        CKEDITOR.replace('chatarea',
                {
                    readOnly: true,
                    toolbar: ['Source'],
                    height: 500,
                    removePlugins: 'elementspath',
                    resize_enabled: false,
                    allowedContent: true
                });
   
</script>

為了呼叫上面的聊天server，需要實現一個傳送請求獲取結果的控制器，如下：

public function queryAction(Request $request)
{
    $q = $request->get('input');
    $opts = array(
        'http'=>array(
            'method'=>"GET",
            'timeout'=>60,
        )
    );
    $context = stream_context_create($opts);
    $clientIp = $request->getClientIp();
    $response = file_get_contents('http://127.0.0.1:8765/?q=' . urlencode($q) . '&clientIp=' . $clientIp, false, $context);
    $res = json_decode($response, true);
    $total = $res['total'];
    $result = '';
    if ($total > 0) {
        $result = $res['result'][0]['answer'];
    }
    return new Response($result);
}

這個控制器的路由配置為：

chatbot_query:
    path:     /chatbot/query
    defaults: { _controller: AppBundle:ChatBot:query }

因為聊天server響應時間比較長，為了不導致web介面卡住，我們在執行submit的時候非同步發請求和收結果，如下：

    var xmlHttp;
    function submit() {
        if (window.ActiveXObject) {
            xmlHttp = new ActiveXObject("Microsoft.XMLHTTP");
        }
        else if (window.XMLHttpRequest) {
            xmlHttp = new XMLHttpRequest();
        }
        var input = $("#input").val().trim();
        if (input == '') {
            jQuery('#input').val('');
            return;
        }
        addText(input, false);
        jQuery('#input').val('');
        var datastr = "input=" + input;
        datastr = encodeURI(datastr);
        var url = "/chatbot/query";
        xmlHttp.open("POST", url, true);
        xmlHttp.onreadystatechange = callback;
        xmlHttp.setRequestHeader("Content-type", "application/x-www-form-urlencoded");
        xmlHttp.send(datastr);
    }

    function callback() {
        if (xmlHttp.readyState == 4 && xmlHttp.status == 200) {
            var responseText = xmlHttp.responseText;
            addText(responseText, true);
        }
    }

這裡的addText是往ckeditor裡新增一段文字，方法如下：

function addText(text, is_response) {
    var oldText = CKEDITOR.instances.chatarea.getData();
    var prefix = '';
    if (is_response) {
        prefix = "<div style='color: blue; text-align: left; padding: 5px;'>機器人: "
    } else {
        prefix = "<div style='color: darkgreen; text-align: right; padding: 5px;'>我: "
    }
    CKEDITOR.instances.chatarea.setData(oldText + "" + prefix + text + "</div>");
}

和機器人對話初體驗

雖然效果暫時還不咋地，但是整體流程建起來了，後面就是不斷完善演算法了，也希望牛人們多指點方案