2.2 匹配
可以被描述成如下流程：S1：用戶通過聊天界面向系統(tǒng)提出一個(gè)話題；S2：系統(tǒng)對該話題進(jìn)行分詞處理；S3：在系統(tǒng)知識庫中尋找與該話題匹配的話語回復(fù)用戶。
基于詞典的分詞算法分為詞典加載、預(yù)處理、最大匹配、歧義消解幾個(gè)階段。
其具體流程如下：
S1：預(yù)處理階段，按照特殊字符(英文字母、數(shù)字、標(biāo)點(diǎn)符號等)將待分析文本進(jìn)行斷句，將待切分的文本切分為只有中文的短句子，這些句子是下一步分詞處理的基本單位；
（舉個(gè)栗子：輸入“asdfadf東北師范大學(xué)哈哈哈dfadflakfl(*^__^*) 嘻嘻……”，simi只會(huì)對其中的中文“東北師范大學(xué)哈哈哈嘻嘻”做出響應(yīng)；輸入“(*^__^*)”時(shí)，輸出“I have no response.”）
S2：對斷句出來的句子進(jìn)行雙向最大匹配（雙向匹配，長詞優(yōu)先）分詞，分詞后的結(jié)果作為S3的輸入；
（舉個(gè)栗子：輸入“東京古巴比倫”，正向與反向切詞結(jié)果均為《東京，古巴比倫》，長詞優(yōu)先，所以simi只對“古巴比倫”做出響應(yīng)；輸入“古巴比倫埃菲爾鐵塔”，正向與反向切詞結(jié)果均為《古巴比倫，埃菲爾鐵塔》，此時(shí)Simi對“埃菲爾鐵塔”做出響應(yīng)）
S3：對上一步分詞得到的結(jié)果進(jìn)行比較，判斷是否存在歧義，如果存在歧義，就進(jìn)行一定的歧義消解；
S4：重復(fù)S2、S3，直到處理完步驟一中斷句所切分出的所有句子單元。
算法流程如圖所示：
這里給出與小黃雞對話的例子：我問小黃雞：“埃菲爾鐵塔上45度角仰望星空”。
S1：雙向最大匹配分詞：正向反向均為《埃菲爾鐵塔上，45度角，仰望星空》，沒有歧義。長詞優(yōu)先，系統(tǒng)選擇了“埃菲爾鐵塔上”作為關(guān)鍵詞；
S2：系統(tǒng)在知識庫中用剛才說的哈希函數(shù)f（埃菲爾鐵塔上），找到比如[埃，11，P] 的表項(xiàng)，順著指針找到6字詞的索引，順著索引找到6字詞表，遍歷詞表，找到<埃菲爾鐵塔上，…>結(jié)構(gòu)體；
S3：系統(tǒng)隨機(jī)選擇該結(jié)構(gòu)體Ans域中的一個(gè)回答（也有可能是根據(jù)頻率高低來選擇）。比如“兩年之后等著你”。
S4：輸出回答，匹配結(jié)束。
Part 3 如何自制小黃雞
根據(jù)第二部分所介紹的原理，個(gè)人想要真正完成整個(gè)小黃雞的制作是有難度的。如果能做出一個(gè)智能較高的聊天機(jī)器人，那直接可以去申請專利開公司了~
所以在這里我們介紹兩種比較簡單易行的方法，跳過對智能算法的研究，直接調(diào)用SimSimi的庫。
3.1 通過獲取Cookies方法
首先我們來看人人網(wǎng)小黃雞是怎么做的。
原作者團(tuán)隊(duì)在github上給出了源代碼，網(wǎng)址https://github.com/wong2/xiaohuangji，他們使用Python語言，獲取Cookies，通過人人網(wǎng)的接口，將Simi的庫連接到人人上。
也就是說，人人網(wǎng)小黃雞并沒有真正研究第二部分講到的 AI聊天機(jī)器人的算法，而是通過調(diào)用人家Simi的庫！這就是人人網(wǎng)小黃雞跟Simi的關(guān)系。
Cookies：指某些網(wǎng)站為了辨別用戶身份、進(jìn)行session跟蹤而儲(chǔ)存在用戶本地終端上的數(shù)據(jù)（通常經(jīng)過加密）。利用網(wǎng)頁代碼中的HTTP頭信息進(jìn)行傳遞。
（舉個(gè)栗子，我們第一次登錄保研論壇時(shí)輸入用戶名與密碼，然后選擇保存密碼，就相當(dāng)于保存Cookies，下次再打開eeban就不用再登錄了~
Cookies作為一個(gè)大有用處的存在，同時(shí)也極大地危害著網(wǎng)絡(luò)信息安全。因?yàn)槭强梢酝ㄟ^例如JS腳本等方法竊取Cookies的。想想看，別人獲取了你的Cookies，都不用知道你的用戶名密碼就能以你的身份查看郵件，瀏覽網(wǎng)頁等等……當(dāng)然這是題外話，有興趣的我們以后討論~所以希望大家能經(jīng)常清理自己的Cookies，不給壞人可乘之機(jī)~~）
回到我們的小黃雞，下圖是人人網(wǎng)小黃雞源代碼中關(guān)于獲取Cookies的一段：
我們要自制呢，就不用他們那么麻煩~咱們只要幾行小代碼就可以了~
簡單介紹一下核心算法：
S1：利用session對象獲取本機(jī)在http://www.simsimi.com/talk.htm 上的Cookies
（session，在網(wǎng)絡(luò)應(yīng)用中被稱為“會(huì)話”。簡單地說，它就像在網(wǎng)站頂層的一個(gè)盒子，無論網(wǎng)頁怎么跳轉(zhuǎn)，都能夠保存用戶的信息。這里注意！Talk頁是Simi免費(fèi)的聊天頁面，這一點(diǎn)很重要！）
S2：構(gòu)造頭信息，準(zhǔn)備將Cookies添加在HTTP頭部信息中
S3：從SimSimi API接口中獲取本機(jī)的響應(yīng)
（剛才說過，Cookies利用HTTP頭信息進(jìn)行傳遞，所以我們將剛才talk頁上的Cookies添加在 API頁上，相當(dāng)于是talk頁在調(diào)用API！！！這一點(diǎn)很重要。
舉個(gè)栗子，我們拿著一把鎖，去找talk頁，talk給了我們一把鑰匙，但是我們開鎖手法我們不知道，于是我們將鎖+鑰匙一起送給API，然后它幫我們打開了盒子~~~bling~~bling~~）
來，我們看看原理圖：
下面是我用這個(gè)方法做的小黃雞1號：
確切的說是這是一只小黃雞與一只小黃鴨的互掐。哈哈！
想要做小黃雞，這是一個(gè)省時(shí)省力的方法，但是。。。不得不說這是在盜用SimSimi的勞動(dòng)成果。。。人家指望它的API庫賣錢的呢。。。。額額額
所以接下來我們來看正版的制作方法~~
3.2 通過key調(diào)用API接口
下面這個(gè)網(wǎng)址給出了SimSimi的官方API文檔：http://developer.simsimi.com/api
文檔已經(jīng)寫得非常清晰了，http://api.simsimi.com/request.p?key=your key&lc=en&ft=1.0&text=hi這一行代碼就是在調(diào)用官方API接口！也就是說，只要你申請到了key，就能調(diào)用simi的API，是不是想想就很爽？~最開始我給大家的小黃雞2號就是正版雞有木有~現(xiàn)在來講解一下怎么做。我選擇J2EE平臺，MVC模式，JSP+JAVA語言。
最核心的思想是這樣的：我們將從表單中獲取的字符串，送去調(diào)用官方API接口，用request對象返回結(jié)果，再打到屏幕上~~是不是很簡單？
下面介紹詳細(xì)算法流程：
S1：talk.jsp——用戶填寫表單內(nèi)容，將參數(shù)String text傳遞給chuil.jsp；
S2：chuli.jsp——request對象獲取傳遞來的參數(shù)，調(diào)用API，用Content類中的getContent(urls)方法獲取網(wǎng)頁的內(nèi)容，返回結(jié)果String ans，將ans傳遞給talk.jsp；
S3：talk.jsp——request對象獲取傳遞來的參數(shù)ans，將ans打印到屏幕上。結(jié)束。
*其中Content類用于獲取網(wǎng)頁內(nèi)容，直接上網(wǎng)找的，都不用自己寫~hiahia
這是小黃雞2號的效果圖：
正版的方法就是簡單~但是因?yàn)槭钦娴模偷酶冻龃鷥r(jià)，key是要錢的。我現(xiàn)在用的是試用版，key的有效期限是90天，并且每天只有100次響應(yīng)，也就是說你一天只能調(diào)戲它100次。。。是不是很桑感。
總結(jié)
經(jīng)過這么多的介紹，大家是不是對類似小黃雞（SimSimi）的人工智能聊天機(jī)器人有了初步的認(rèn)識。其實(shí)你可以做很多只“小黃雞”，但它的核心都是Simsimi的庫，是人家的東西。所以說偶們新時(shí)代的年輕人應(yīng)該要有自己創(chuàng)新意識~讓我們來開發(fā)自己的智能算法~做自己的小黃雞、小黃鴨、小黃狗、小黃瓜吧！~~
問答環(huán)節(jié)
訓(xùn)練的話玩家調(diào)戲它的數(shù)據(jù)會(huì)被錄入作為以后回答別人的參考么？還是需要相應(yīng)權(quán)限才能存入庫里？
這個(gè)就是教學(xué)界面。會(huì)的。玩家教給它的話題，會(huì)在切詞之后，打包它的回答，一起存入詞庫。別人觸發(fā)相似的關(guān)鍵詞，也有可能回答剛剛你教過的答案。
那一個(gè)問題有不同答案，如何選擇呢？
一個(gè)關(guān)鍵詞下鏈接了好幾種不同的回答，系統(tǒng)會(huì)隨機(jī)選擇一個(gè)，比如輸入“哈哈”，回答有可能是“呵呵”“笑什么笑”……
以前的這個(gè)詞表里面對于每個(gè)可能出現(xiàn)的詞已經(jīng)有了確定的答案的意思嗎？
對，構(gòu)建詞庫的時(shí)候，還有訓(xùn)練的時(shí)候都已經(jīng)寫進(jìn)去了
但是訓(xùn)練的時(shí)候不能隨便的吧？萬一教他的是錯(cuò)誤的知識呢？
誰都可以~~但是一般會(huì)有過濾系統(tǒng)，要審核的，像simi就有做任務(wù)這個(gè)玩法，任務(wù)就是，給你別人的回答，讓你判斷是否可以給不滿16歲的孩子看，也有存進(jìn)去的時(shí)候設(shè)置敏感詞什么的。