上一篇介紹了整個問答機器人的技術架構和特定，本篇着重說下
如何讓機器人（看起來）更智能
輸入聯想
使用jquery.autosuggest.js實現的輸入聯想，在輸入2個字后，在5000個問答中基於全文檢索，檢索10條記錄，供用戶選擇。
猜你想問
Chatterbot中也有閾值的概念，例如匹配度低於0.2，可定義為無法回答，但可以額外增加一個閾值，如0.5
當匹配度0~0.2回復無法回答
當匹配度0.2~0.5 回復我猜您想問“XXX”
當匹配度0.5~1回復匹配問題“XXX”
上下文變化
意圖規則JSON數據格式，prompts為缺失該參數是的返回值，我們可以多設置幾個，再用隨機數獲取，這樣每次與用戶交互的問題都是同樣含義的不同問法，也有助於消除歧義。
{
"rule": [{
"intent": "weather",
"entities": [
{"name":"city","type":"city","required":"true","prompts":["請問查詢哪里的天氣","想查詢哪個城市的天氣"]},
{"name":"date","type":"date","required":"false","prompts":[]}
]
},
{
"intent": "bookhotel",
"entities": [
{"name":"city","type":"city","required":"true","prompts":["請問預訂哪里","想預訂哪個城市"]},
{"name":"checkindata","type":"date","required":"true","prompts":["請問何時入住","預訂酒店的時間"]},
{"name":"checkoutdata","type":"date","required":"false","prompts":[]}
]
},
{
"intent": "bookticket",
"entities": [
{"name":"fromcity","type":"city","required":"true","prompts":["請提供出發城市","從哪起飛"]},
{"name":"tocity","type":"city","required":"true","prompts":["請提供到達城市","到哪落地"]},
{"name":"date","type":"date","required":"true","prompts":["請問預訂機票的時間","想預訂哪天的機票"]}
]
}
]
}
如何優化機器人
1.關鍵字
預先定義QA與關鍵詞的匹配關系，如果用戶問題中包含關鍵詞，則檢索與此關鍵詞匹配的QA，縮小查詢范圍，如果同時包含多個關鍵字，則unionQA列表，如果不包含關鍵字則從全部QA檢索。
在問題、答案的基礎上加入關鍵詞列。
初始化時，使用行列轉化，將關鍵字和問題加工成1對1的關系
這樣在算法比對時，僅判斷包含關鍵字的問題，比對數據量從5000變為了幾十條速度提升非常明顯，而且還能略微提高正確率
2.緩存
主要設置了2級緩存：緩存5000條問答數據，緩存用戶提出的問題和引擎的答案（如果有人問過的問題，將直接從緩存回復）
3.中文處理
自定義詞典，中文處理也是很重要部分，分詞工具使用jieba，我們將之前標注的關鍵字作為自定義詞典，用來提供特定業務分詞的准確性。
去標點符號，標點符號在問答系統中是非常討厭的，我在訓練和用戶輸入處理時會移除全部的標點符號
去停用詞，“是什么，什么時候，是什么意思，多少錢，有沒有，更有趣，更有甚者，又為什么，有問題嗎，有問題么”等等，這類詞在用戶提問中經常出現，卻沒有實際意義，分詞后將這類詞屏蔽。