您现在的位置： 网页制作教程网 >> 网络编程 >> Asp.net 教程 >> ASP.NET 实例教程 >> 文章正文

五、让机器人懂中文

1 数据库

因为我们要做中文聊天机器人，语料库的大小直接关系到你的机器人是不是聪明。由于自己的习惯，我用了mysql作为存放语料库和中文分词库的数据库。而且mysql速度极快。当然，你要用Access或者Sql Server，完全可以，而且更容易些。.NET调用Mysql的库可以在这里找到MySQL Driver CS
http://sourceforge.net/projects/mysqldrivercs/
2 整句匹配

整句匹配这个概念很简单。聊天嘛，不认识的人一般都会要上来就说“你好”，或者“hi~~”之类的。这种话通常很简单，而且没有什么太多的变化，直接让机器人回答就行了。比如对方说“你好”，机器人看到这个“你好”，就直接回答“你好”，就可以了。或者对方说"88"，你可以让机器人说“再见”，或者88什么的。。这就叫整句匹配。就是机器人拿到整个的句子，在库里面一查，啊，库里有这句话怎么回答，挑出一句回答过去，对方不会觉得这个机器人笨。

甚至如果对方说“你好笨”，你让机器人回答“我才不笨呢”，对方一定会觉得，这个机器人还行，还知道别人说他笨。

3 中文分词

一个聊天机器人当然要懂些中文。中文处理的基础就是中文分词。分词是什么？“分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。”这个定义是我抄的。请查阅这篇文章：http://www.hylanda.com/center/knowledge.htm 他们做中文分词应该有一定成绩。国内的分词系统，ICTCLAS做得也比较好。有VC的源代码，可以下来看看。
http://www.nlp.org.cn/project/project.php?proj_id=6

有人会说，这个东西我不懂，我也没研究过。其实我也不懂。只不过，如果不做中文分词，聊天机器人就只能停留在证据匹配的地步。我们可以使用最大匹配法，对聊天机器人接收到的话做简单的分词。关于算法，请参阅詹卫东先生的这个讲义，估计你一看就明白了。

课程名称：中文信息处理基础

http://ccl.pku.edu.cn/doubtfire/Course/Chi...2002_2003_1.htm

下载这个PPT讲义：http://ccl.pku.edu.cn/doubtfire/Course/Chinese%20Information%20Processing/contents/Chapter_07_1.ppt

分词算法不需要太复杂，简单点就好。

另外分词算法需要一个中文分词库。我提供了一个mysql的，这里可以下载。导入到你的mysql里面就可以。其他数据库其实把sql语句简单改改也可以用。
中文分词库下载：http://www.guanqun.com/down/wordlist.rar

4 词语的匹配

仅仅会分词还不够，如果真的要让机器人了解人说的话，肯定需要一些人工智能的算法。我们就是做个机器人玩玩，没必要研究的那么深。人工智能走到现在，太聪明的聊天机器人也少之又少。而且，让专业的研究人员去研究就好了，我们仅仅就是玩玩。所以呢……我们就用一个最简单的办法。我们的方法是，让机器人找这一句话的关键词，这句话大概的词性搭配，再去语料库里面找到符合这样规则的回答的话。

举个简单的例子：
比如对方说：

“你真好玩”

我们先用分词算法，把这句话分成

“你 真 好玩”，

然后找出关键词“好玩”。同时把这句话的词性搭配也记录下来。 这样，当找到关键词“好玩”在语料库中的时候，我们再来找是否有类似这这句话词性搭配的回答，如果有，随机回答出一句：“哈哈。。。我就喜欢你这么说。”，这样，可以给聊天者比较好的感觉。

那么问题来了，如何找出关键词呢？ 我的方法是……（比较烂，但是通常有效），找出这句话中长度最长的词作为关键词。没有为什么，因为这样速度会快些。如果一句话中所有的词都被扫描成为关键词，再去查库，会出现些匹配上的问题。（不科学，但是通常有效）。

上一页  [1] [2] [3] [4] 下一页