1. 什麼是智能聊天機器人
簡單地說，就是基於人工智能原理(Artificial Intelligence，以下簡稱AI)，通過對聊天文本進行分析後給出應答的一類程序。
2.基本原理
AI聊天機器人的工作可以被分成兩個部分：訓練+匹配。
2.1訓練
訓練的過程，目的在於構建或是豐富詞庫。
流程描述如下：
S1：用戶通過教學界面向系統提出一個話題與相應應答；
S2：系統對該話題進行分詞，判斷該話題在系統知識庫中應存放的位置；
S3：在系統知識庫中添加該話題及相應應答。
可以看到，這裏涉及到兩個問題：給出一個話題，系統是如何分詞的？詞庫要如何設計才能又快又準地應答？
2.11分詞
這是因爲聊天機器人的存儲並不以句子爲單位（那樣太費時費空間），而是以詞。於是，分詞，幾乎成爲聊天機器人的核心。
中文分詞技術儼然是一個重要的研究方向，隸屬於自然語言處理。現有的分詞算法可以分爲三大類：基於字符串匹配的分詞方法、基於統計的分詞方法和基於理解的分詞方法。 用戶在聊天時的一個顯著特點是所提出的話題一般都是比較短小的，而不是長篇大論，不具有段落篇章結構，絕大多數就是少數幾句話。基於統計的分詞方法適用於有段落、篇章結構以及上下文關係的文段。基於理解的分詞方法目前並不成熟，且時間複雜度高，速度慢。於是，只有基於字符串匹配的分詞是比較適合的。
基於字符串匹配的分詞方法，又叫做機械分詞方法。按照掃描方向的不同，機械分詞法可以分爲正向匹配和逆向匹配。（e.g. 字符串“北京華煙雲”，正向匹配爲《北京，華煙雲》，逆向匹配爲《北，京華煙雲》）逆向匹配的切分正確率要高於正向匹配法，爲了便於發現歧義切分，有時候將兩者結合起來形成雙向匹配法。按照不同長度優先匹配的情況，可以分爲最大（最長）匹配和最小（最短）匹配，也就是長詞優先和短詞優先。按照匹配不成功時重新切取的策略，機械分詞法可以分爲增字法和減字法。
基於詞典的“雙向最大匹配”法是目前中文信息處理中最簡單有效的方法，有這樣的統計：漢語文本中90％左右的句子，其與雙向最大匹配的結果相吻合，而且是正確的分詞結果。
當正、反向最大匹配算法得出來的切分結果不一樣時，就必須對其進行歧義處理，在此不再贅述。
2.12詞庫設計
由於中文詞的特點：1.中文詞是一個開放集，詞數在增長；2.以不同字開頭的 詞的數目變化很大，多的達到數百個，少的也有可能只有一個或者沒有；3.詞的長度變化也很大，有單字詞，也有由六、七個字成詞的。這就要求在設計詞典時，除了考慮訪問效率外，還得充分考慮存儲利用率。
請看這種數據結構，就能很好地平衡時間與空間。
首字Hash表通過一次哈希運算就可以直接定位漢字在表中的位置。一個單元包括三項內容：C：存儲首字；F標誌位：存儲以C爲首字的最長詞條的長度；P：指向詞表索引表。
訓練例子
現在舉一個訓練的例子：我教“大白天的做什麼美夢啊？”回答是“哦哈哈哈不用你管”。
S1：應用雙向最大匹配算法分詞：雙向分詞結果，正向《大白天，的，做什麼，美夢，啊》；反向《大白天，的，做什麼，美夢，啊》。正向反向都是一樣的，所以不需要處理歧義問題。長詞優先選擇，“大白天”和“做什麼”。
S2：以“大白天”舉例，假設hash函數爲f（），並設f（大白天）指向首字hash表項[大，11，P]。於是由該表項指向“3字索引”，再指向對應“詞表”。
S3：將結構體<大白天，…>插入隊尾。體中有一個Ans域，域中某一指針指向“哦哈哈哈不用你管”。
S4：完成訓練。
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提出一個話題；S2：系統對該話題進行分詞處理；S3：在系統知識庫中尋找與該話題匹配的話語回覆用戶。
基於詞典的分詞算法分爲詞典加載、預處理、最大匹配、歧義消解幾個階段。
其具體流程如下：
S1：預處理階段，按照特殊字符(英文字母、數字、標點符號等)將待分析文本進行斷句，將待切分的文本切分爲只有中文的短句子，這些句子是下一步分詞處理的基本單位；
（舉個栗子：輸入“asdfadf東北師範大學哈哈哈dfadflakfl(*^__^*) 嘻嘻……”，simi只會對其中的中文“東北師範大學哈哈哈嘻嘻”做出響應；輸入“(*^__^*)”時，輸出“I have no response.”）
S2：對斷句出來的句子進行雙向最大匹配（雙向匹配，長詞優先）分詞，分詞後的結果作爲S3的輸入；（舉個栗子：輸入“東京古巴比倫”，正向與反向切詞結果均爲《東京，古巴比倫》，長詞優先，所以simi只對“古巴比倫”做出響應；輸入“古巴比倫埃菲爾鐵塔”，正向與反向切詞結果均爲《古巴比倫，埃菲爾鐵塔》，此時Simi對“埃菲爾鐵塔”做出響應）
S3：對上一步分詞得到的結果進行比較，判斷是否存在歧義，如果存在歧義，就進行一定的歧義消解；
S4：重複S2、S3，直到處理完步驟一中斷句所切分出的所有句子單元。
這裏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：正向反向均爲《埃菲爾鐵塔上，45度角，仰望星空》，沒有歧義。長詞優先，系統選擇了“埃菲爾鐵塔上”作爲關鍵詞；
S2：系統在知識庫中用剛纔說的哈希函數f（埃菲爾鐵塔上），找到比如[埃，11，P] 的表項，順着指針找到6字詞的索引，順着索引找到6字詞表，遍歷詞表，找到<埃菲爾鐵塔上，…>結構體；
S3：系統隨機選擇該結構體Ans域中的一個回答（也有可能是根據頻率高低來選擇）。比如“兩年之後等着你”。
S4：輸出回答，匹配結束。
