聊天机器人双向搜索知识库的模糊匹配

赵素萍

摘要

目前，无论是微信、LINE、Whatsapp还是FacebookMessenger，都吸引商家拼命开发互动良好的聊天机器人。针对相同语义的不同提问方式，如何得到相同或相似的回答是本人研究的重点。本人以基于ASP.NET开发平台开发出的聊天机器人为例，分析如何使用双向搜索知识库模糊匹配的方法，提高聊天机器人回答问题的正确率。

【关键词】聊天机器人 知识库 模糊匹配

1 聊天机器人的发展现状

60%的年轻人曾经用过聊天机器人，用户更喜欢简单的界面。有什么不明白直接提问，让聊天机器人来完成服务。企业老板们的选择也更倾向于欢聊天机器人。因为聊天机器人除了不用发工资外，更重要的是24小时都可运作。

不同的人对同一件事会有完全不同的描述方式，那么这时候人们将如何与聊天机器人进行交互？即对于语义相同的输入，应该生成相似的回答。例如，你想在“你多大了？”、“几岁了”和“你的年龄是多少？”等相同语义的问题上得到同样的回答。然而事实是：生成式系统的普遍问题是它们往往能生成像“太好了！”或“我不知道”这样的能适用于许多输入情况的普遍回复。谷歌的智能回复（SmartReply）常常用“我爱你”回复一切。本文就如何提高聊天机器人的智能性，提高回答问题的正确率展开了研究。

2 模糊匹配

聊天机器人回答问题的流程和人回答问题的流程是一致的，先思考问题，分析问题中包含的关键词，再将关键词连接创造出相应的聊天语境，然后根据语境想出对应的答案。聊天机器人则是搜索知识库然后找到匹配的问题并给出相应的答案。

模糊匹配指将知识库中的记录行与用户问题比较，若记录行包含用户问题中的关键字，则认为查找成功。下面以c#为开发语言，以聊天机器人软件为例介绍模糊匹配。

首先打开知识库，知识库是一个记事本文件。假设有一条记录为：

“你是哪的山西太原”

具体思路为聊天机器人拿着用户的问题去知识库中模糊查找。模糊查找就是不需要两者完全相同，只需要包含关即可。若用户问“哪的”，知识库中的“你是哪的”包含“哪的”，所以会把答案给出。同时，一旦找到结果便不需要继续查找，立刻退出，否则会增加计算机的工作量，同时也能减少用户的等待时间。核心代码如下：

if（Reader.Contains（question））

{findout=true;break;}

找到记录行后，截取出空格后的文字即为答案，所以需要使用循环依次判断并找出空格后退出，然后从空格的下一个字符开始截取剩下的字符串即为答案，截取字符串的函数为Substring（开始截取的位置），主要代码如下，

for（i=0;i

{if（Reader[i]=="）break;}

answer=Reader.Substring（i+1）;

比如你的籍贯、提供下你的住址、家是哪的、家住哪里，这四个问题的答案是完全一样的，而且同一个答案的问题数远不止这些。也就是说用户的问法千奇百怪，若用户的问题改为“你的籍贯”，而这个问题的答案也是一样的，如何让不同的问题找到相同的答案呢？这就像我们人类的思维一样，需要罗列出同义词，并将其加载到知识库中。知识库中的格式就应该改为：

山西太原你的籍贯哪的家是哪里住址

核心代码为：

for（i=0;i

{if（Reader[i]=="）break;}

answer= Reader.Substring（0，i+1）;

当用户找到匹配的问题后，将答案放到记录的开始处，那么执行流程就变成了循环找到第一个空格的位置然后结束循环，返回位置即可。

3 双向模糊匹配

当用户问到“你的住址是？”。我们可以发现哪怕使用模糊查询，知识库中的问题并没有包含该问题的问题记录，所以单向的拿着问题去找记录并模糊匹配，并不能找到记录。这就需要用到双向模糊匹配。双向模糊匹配指记录行中包含关键字，程序中不仅要拿着问题到记录中模糊匹配，而且要将循环到的记录行取出，并将记录中的每一个问题记录与用户问题模糊匹配，若还是匹配不上则找下一条记录。例如还是上面的记录和问题，拿着用户问题“你的住址是？”去记录问题中模糊匹配，发现四个记录问题都不包含用户问题。而第四个记录问题“住址”却在用户问题中，如果拿着记录问题去和用户问题模糊匹配，即可匹配成功。相关代码如下：

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

for（int i=1;i

{if（question.Contains（keyword[i]））

{findout=true;break;}

}

第一行：Trim函数是去掉记录行中首尾的空格，split函数是去掉记录行中的空格，并将分割后的字符串放到数组中，然后从数组的第二个元素开始依次搜寻，因为第一个元素为答案。

剩下行：循环查找数组中的其他元素，如果当前元素包含在用户问题中，查找发现记录问题‘住址”包含在用户问题“你的住址是？”中，则模糊匹配成功并退出循环。返回找到的答案“山西太原”。

4 结论

通过实验发现，使用双向模糊查询可以极大的提高聊天机器人回答问题的正确率。然而目前市面上的聊天机器人普遍到了一个瓶颈期，首先机器人回答问题时先要考虑聊天的上下文环境，如当回答了“山西太原”后，客户问“太原哪的”，应该具体到太原的哪个区或哪个县。其次针对用户复杂的提问，聊天机器人不能正确领会提问的意图，如何能提取用户问题的关键词，并整合出确定的语义，是我下一步研究的方向。聊天机器人的使用已经被越来越多的客户和厂商接受，然而聊天机器人的功能还有待完善。我很荣幸能成为聊天机器人不断发展完善的见证者。如何让聊天机器人更智能是我们不懈追求的方向，如何使聊天机器人通过图灵测试是我们最终奋斗的目标。我愿意为人工智能奉献自己的一份绵薄之力。

参考文献

[1]杜舟.下一座金矿移动互联网[J].IT时代周刊.2009（04）

[2]姚飞，张成昱，陈武.清华智能聊天机器人“小圖”的移动应用[J].现代图书情报技术，2014（Z1）.

[3]黄际洲.聊天机器人知识库自动抽取算法的研究与实现[D].重庆大学，2006.