源碼下載地址：http://download.csdn.net/detail/zhanghui_hn/7126195
一、 爲什麼Alice不支持中文
因爲Alice的question都會被bitoflife.chatterbean.text.Transformations類中的fit函數過濾，而過濾的表達式就是：
private finalPattern fitting = Pattern.compile("[^A-Z0-9]+");
只會保留英文字符和數字字符。順帶說一句，因爲Alice會將question全部轉爲大寫，所以上面的表達式中沒有a-z區間。
爲了讓中文不被過濾掉，就將上面的過濾式中添加中文字符。
privatefinal Pattern fitting = Pattern.compile("[^A-Z0-9\u4e00-\u9FA5]+")
二、 Alice支持中文的原理
先解釋一下，Alice對英文支持的原理：
簡而言之：在語料庫中，找出匹配的用戶question的pattern，再返回pattern對應的template內容作爲answer。
詳細點就是：Alice初始化時，將AIML文件中的<pattern>標籤的內容根據空格切分，組成一個Graphmaster對象；用戶的question也根據空格切分，根據匹配算法在Graphmaster對象中找到匹配的pattern標籤，再返回該pattern對應的template內容。
Graphmaster參考：http://www.alicebot.org/documentation/matching.html
Alice支持英文中的關鍵一點就是：英文輸入有空格，而中文輸入沒有空格，Alice就不會切分中文字符，只會把整個中文語句當做英文中一個單詞。
所以支持中文的關鍵一點就是：爲中文語句加空格。
馬上想到了中文分詞器，我用的是IK分詞器.接下來問題就轉化爲：怎麼爲中文語句加空格？在什麼地方加空格？
有兩個地方要處理：
² 讀取AIML文件中的pattern標籤時，需要加空格。
² 讀取用戶question時，要加空格。
三、 代碼實踐
IK分詞器封裝函數
這是就不多說了，csdn博客多得是IK分詞器用法。
public static StringIKAnalysis(String str) {
if(str.getBytes().length == str.length()) {
//如果不包含中文，就直接返回。
return str;
}else {
//由於IK分詞器，不支持特殊字符，所以將 * 改爲中文字符“這是星號”,中文分詞以後再將“這是星號”修正爲爲 *
//同理將 _改爲中文字符串“這是下劃線”，中文分詞以後再將“這是下劃線”修正爲 _
str= str.replaceAll("\\*","這是星號").replaceAll("_","這是下劃線");
}
StringBuffersb =new StringBuffer();
try {
byte[] bt =str.getBytes();
InputStreamip =new ByteArrayInputStream(bt);
Readerread =new InputStreamReader(ip);
//設置爲智能分詞
IKSegmenteriks =new IKSegmenter(read,true);
Lexemet;
while ((t =iks.next()) !=null) {
//在每個分詞元之後添加空格
sb.append(t.getLexemeText()+" ");
}
//sb.delete(sb.length() - 1, sb.length());
}catch (IOException e) {
//TODOAuto-generated catch block
}
returnsb.toString().replaceAll("這是星號","*").replaceAll("這是下劃線","_");
}讀取AIML文件的pattern標籤時加空格
AIML的讀取解析工作由bitoflife.chatterbean.aiml.AIMLHandler類完成的。
修改pushTextNode函數，根據參數來判斷是否調用中文分詞器。
/**
*將一個節點的文本信息壓入棧中，並根據參數決定是否調用中文分詞器。
*@param isToSegment 標識是否調用中文分詞器
*/
privatevoidpushTextNode(Boolean isToSegment) {
Stringpushed =text.toString();
text.delete(0,text.length());
if (ignoreWhitespace)
pushed= pushed.replaceAll("^[\\s\n]+|[\\s\n]{2,}|\n","");
if (!"".equals(pushed.trim())){
if(!isToSegment) {
stack.push(newText(pushed));
}else {
pushed= pushed.toUpperCase();
stack.push(newText(cn.edu.scut.cs.IKAnalyzer.ChineseSegmenter.IKAnalysis(pushed)));
}
}
}在startElement和endElement函數中爲pattern和that標籤內的中文字符添加空格。將pushTextNode()函數的調用語句改爲：
pushTextNode(qname.toLowerCase().equals("pattern")
||qname.toLowerCase().equals("that"));
順帶說一句that標籤也可能需要中文分詞的。
讀取用戶question時加空格
這個很簡單，在public void normalization(Sentencesentence)函數中第二行添加調用中文分詞函數：
input =cn.edu.scut.cs.IKAnalyzer.ChineseSegmenter.IKAnalysis(input);