聊天機器人雙向搜索知識庫的模糊匹配

趙素萍

摘要

目前，無論是微信、LINE、Whatsapp還是FacebookMessenger，都吸引商家拼命開發(fā)互動良好的聊天機器人。針對相同語義的不同提問方式，如何得到相同或相似的回答是本人研究的重點。本人以基于ASP.NET開發(fā)平臺開發(fā)出的聊天機器人為例，分析如何使用雙向搜索知識庫模糊匹配的方法，提高聊天機器人回答問題的正確率。

【關(guān)鍵詞】聊天機器人 知識庫 模糊匹配

1 聊天機器人的發(fā)展現(xiàn)狀

60%的年輕人曾經(jīng)用過聊天機器人，用戶更喜歡簡單的界面。有什么不明白直接提問，讓聊天機器人來完成服務(wù)。企業(yè)老板們的選擇也更傾向于歡聊天機器人。因為聊天機器人除了不用發(fā)工資外，更重要的是24小時都可運作。

不同的人對同一件事會有完全不同的描述方式，那么這時候人們將如何與聊天機器人進(jìn)行交互？即對于語義相同的輸入，應(yīng)該生成相似的回答。例如，你想在“你多大了？”、“幾歲了”和“你的年齡是多少？”等相同語義的問題上得到同樣的回答。然而事實是：生成式系統(tǒng)的普遍問題是它們往往能生成像“太好了！”或“我不知道”這樣的能適用于許多輸入情況的普遍回復(fù)。谷歌的智能回復(fù)（SmartReply）常常用“我愛你”回復(fù)一切。本文就如何提高聊天機器人的智能性，提高回答問題的正確率展開了研究。

2 模糊匹配

聊天機器人回答問題的流程和人回答問題的流程是一致的，先思考問題，分析問題中包含的關(guān)鍵詞，再將關(guān)鍵詞連接創(chuàng)造出相應(yīng)的聊天語境，然后根據(jù)語境想出對應(yīng)的答案。聊天機器人則是搜索知識庫然后找到匹配的問題并給出相應(yīng)的答案。

模糊匹配指將知識庫中的記錄行與用戶問題比較，若記錄行包含用戶問題中的關(guān)鍵字，則認(rèn)為查找成功。下面以c#為開發(fā)語言，以聊天機器人軟件為例介紹模糊匹配。

首先打開知識庫，知識庫是一個記事本文件。假設(shè)有一條記錄為：

“你是哪的山西太原”

具體思路為聊天機器人拿著用戶的問題去知識庫中模糊查找。模糊查找就是不需要兩者完全相同，只需要包含關(guān)即可。若用戶問“哪的”，知識庫中的“你是哪的”包含“哪的”，所以會把答案給出。同時，一旦找到結(jié)果便不需要繼續(xù)查找，立刻退出，否則會增加計算機的工作量，同時也能減少用戶的等待時間。核心代碼如下：

if（Reader.Contains（question））

{findout=true;break;}

找到記錄行后，截取出空格后的文字即為答案，所以需要使用循環(huán)依次判斷并找出空格后退出，然后從空格的下一個字符開始截取剩下的字符串即為答案，截取字符串的函數(shù)為Substring（開始截取的位置），主要代碼如下，

for（i=0;i

{if（Reader[i]=="）break;}

answer=Reader.Substring（i+1）;

比如你的籍貫、提供下你的住址、家是哪的、家住哪里，這四個問題的答案是完全一樣的，而且同一個答案的問題數(shù)遠(yuǎn)不止這些。也就是說用戶的問法千奇百怪，若用戶的問題改為“你的籍貫”，而這個問題的答案也是一樣的，如何讓不同的問題找到相同的答案呢？這就像我們?nèi)祟惖乃季S一樣，需要羅列出同義詞，并將其加載到知識庫中。知識庫中的格式就應(yīng)該改為：

山西太原你的籍貫?zāi)牡募沂悄睦镒≈?/p>

核心代碼為：

for（i=0;i

{if（Reader[i]=="）break;}

answer= Reader.Substring（0，i+1）;

當(dāng)用戶找到匹配的問題后，將答案放到記錄的開始處，那么執(zhí)行流程就變成了循環(huán)找到第一個空格的位置然后結(jié)束循環(huán)，返回位置即可。

3 雙向模糊匹配

當(dāng)用戶問到“你的住址是？”。我們可以發(fā)現(xiàn)哪怕使用模糊查詢，知識庫中的問題并沒有包含該問題的問題記錄，所以單向的拿著問題去找記錄并模糊匹配，并不能找到記錄。這就需要用到雙向模糊匹配。雙向模糊匹配指記錄行中包含關(guān)鍵字，程序中不僅要拿著問題到記錄中模糊匹配，而且要將循環(huán)到的記錄行取出，并將記錄中的每一個問題記錄與用戶問題模糊匹配，若還是匹配不上則找下一條記錄。例如還是上面的記錄和問題，拿著用戶問題“你的住址是？”去記錄問題中模糊匹配，發(fā)現(xiàn)四個記錄問題都不包含用戶問題。而第四個記錄問題“住址”卻在用戶問題中，如果拿著記錄問題去和用戶問題模糊匹配，即可匹配成功。相關(guān)代碼如下：

string[] keyword=reder.Trim（）.Split（''）;

for（int i=1;i

{if（question.Contains（keyword[i]））

{findout=true;break;}

}

第一行：Trim函數(shù)是去掉記錄行中首尾的空格，split函數(shù)是去掉記錄行中的空格，并將分割后的字符串放到數(shù)組中，然后從數(shù)組的第二個元素開始依次搜尋，因為第一個元素為答案。

剩下行：循環(huán)查找數(shù)組中的其他元素，如果當(dāng)前元素包含在用戶問題中，查找發(fā)現(xiàn)記錄問題‘住址”包含在用戶問題“你的住址是？”中，則模糊匹配成功并退出循環(huán)。返回找到的答案“山西太原”。

4 結(jié)論

通過實驗發(fā)現(xiàn)，使用雙向模糊查詢可以極大的提高聊天機器人回答問題的正確率。然而目前市面上的聊天機器人普遍到了一個瓶頸期，首先機器人回答問題時先要考慮聊天的上下文環(huán)境，如當(dāng)回答了“山西太原”后，客戶問“太原哪的”，應(yīng)該具體到太原的哪個區(qū)或哪個縣。其次針對用戶復(fù)雜的提問，聊天機器人不能正確領(lǐng)會提問的意圖，如何能提取用戶問題的關(guān)鍵詞，并整合出確定的語義，是我下一步研究的方向。聊天機器人的使用已經(jīng)被越來越多的客戶和廠商接受，然而聊天機器人的功能還有待完善。我很榮幸能成為聊天機器人不斷發(fā)展完善的見證者。如何讓聊天機器人更智能是我們不懈追求的方向，如何使聊天機器人通過圖靈測試是我們最終奮斗的目標(biāo)。我愿意為人工智能奉獻(xiàn)自己的一份綿薄之力。

參考文獻(xiàn)

[1]杜舟.下一座金礦移動互聯(lián)網(wǎng)[J].IT時代周刊.2009（04）

[2]姚飛，張成昱，陳武.清華智能聊天機器人“小圖”的移動應(yīng)用[J].現(xiàn)代圖書情報技術(shù)，2014（Z1）.

[3]黃際洲.聊天機器人知識庫自動抽取算法的研究與實現(xiàn)[D].重慶大學(xué)，2006.