如果你是我以前的博友，那你一定知道小D是誰了，小D是我設計的第一個WEB聊天機器人，雖然只花了兩天的時間完成他，但也花了我不少的心思，今天我就給大家談談我做小D時的設計思路以供交流，如果你對智慧聊天感興趣，或許能幫你節省大量查詢資料的時間。

        1   知識庫

        機器人要想回答出你所提出的問題，那麼首先它就要具備自己的知識庫，就和人一樣，邏輯分析的前提，需要你具備對這個問題所儲備的知識以供參考，所以知識庫的重要性就不可避免的成了很重要的成分，那麼我們怎麼描述聊天機器人的知識庫呢，由於當初只是做來玩玩，所以我只是很簡單的做出了一一對應關係的資料庫。

        例如：我們生活在哪個星球上？ 對應回答就是：地球！

        由此很多問題和相對應的答案便組成了我們的知識庫（也就是資料庫，我用的是MySql）！知識庫的大小直接關係到你的機器人是不是聰明。

         2  語句分析

        當然，僅有知識庫是不能進行對問題分析並做出答案的，所以我們必須要賦予程式能夠自我分析的能力。程式要想更加聰明，那不得不依靠強大的智慧演算法，因為我不是專業人士，所以開始也沒使用到很多智慧演算法，只是簡單的把句子中的分詞提煉出來。

        我是這樣設計我的小D的，先是進行完全匹配，然後是語句分析，最後是模糊匹配。

        完全匹配就是把問題的整個字串拿到資料庫中去查尋答案，如果能查到記錄便把對應的答案返回給提問者！如果不能查到，就進行模糊匹配，所謂模糊匹配就是最大限度的把整句話的意思放到知識庫去查詢（我的方案是先進行語句分析，再模糊匹配）。

         例如：地球的半徑是多少？

         如果完全匹配並沒從知識庫中檢索到資訊，那麼下個過程就是語句分析了，我們先把整個句子的各個詞語分開！

         例如：地球/的/半徑/是/多少？

         在這裡不得不提到分詞演算法，分詞就是將連續的字序列按照一定的規範重新組合成詞序列的過程。而我們要做的就是要將這一個又一個的分詞從句子中提煉出來。

         這裡有個分詞演算法的PPT，點選下載

         感興趣的朋友可以仔細研究下他們是做分詞系統出了名了，我們可以借鑑其中的方法，如圖：

         當我們把分詞提煉出來了，我們就可以進行最大的匹配了---也就是模糊查詢，我把它分為了兩步，一就是進行整句模糊查詢，因為可以儘可能的保留全句的意思：

         例如：select * from QY where question like "*地球*的*半徑*是*多少*"

         這樣就能從知識庫中查到更多關聯的問題了，也有更多的答案選擇！

         如我們可以查到：你知道地球的半徑是多少嗎? 等很多包含整句的問題!

         當然如果資料庫中完全沒有完全匹配的問題,那麼可以提出關鍵詞,我的方法是分詞最長原則!

         如:地球/的/半徑/是/多少？

         其中[地球] [半徑] [多少]就是裡面的最長關鍵詞，我們可以設計演算法，通過組合來匹配！

         例如：可以把[地球]和[半徑]組合在一起

         select * from QY where question like "*地球*半徑*"

         這樣即使全句模糊匹配找不到也能找到，當然這樣的組合就要看你的程式是怎麼寫的，當然組合的要求要符合程式的特點，如果組合次數過於大多會影響程式的反應速度！所以最合理的組合能提高程式的使用性！當然如果經過這三個步驟沒有相關匹配問題，我的小D就不能回答你所提出的問題了！它會很老實的回答：“我不知道？”等意思！

         這裡要強調個技巧，比如在匹配問題的時候很可能會檢索到很多的答案，這時候我們可以設計個隨機選擇函式，任意性的選擇答案，那樣程式就比較人性化了？比如你問到：“你吃飯沒？” 那麼它可以回答“吃了” “沒有” “我不吃飯”    

        而不是單一的回答。。。

        我只是簡要的談到了聊天程式設計的方法，當然這和那些真正專業的程式比較起來還是有很大的差距，如果你只是做來玩玩，以上這些就足夠了，比如現在我在小D的程式裡應用了縮句的方法，這也只是想提高它分析問題的能力，如果朋友你真想在智慧聊天方面繼續深究，那麼就要下更大的工夫了。