本文整合了看到的幾篇博客并結合了筆者自己的嘗試，記錄下對aiml的淺顯理解，想了解的更深入還是要靠自己探索呀！

目錄

一、簡介

二、原理+源代碼解析

三、中文分詞嘗試

四、注意

五、優勢與缺點（個人理解）

?

一、簡介

AIML，全名為Artificial Intelligence Markup Language（人工智能標記語言），是一種創建自然語言軟件代理的XML語言，最初來源于一個名為"A.L.I.C.E."的聊天機器人。

簡言之，AIML就是用戶通過定義的規則模板進行問答匹配，來實現聊天機器人自動問答的功能

下面展示了一個最基本的例子，僅包含最主要的<category><pattern><template>三種標簽

<category><pattern>你好</pattern><template>您好，很高興認識您。</template> </category>

當用戶輸入問題“你好”時，機器人就會匹配到這個pattern，然后將<template>中的內容作為答案返回

標簽的詳細說明可以參考https://www.tutorialspoint.com/aiml/index.htm

二、原理+源代碼解析

1.原理

原理參考了春雨里de太陽的AIML知識庫數據匹配原理解析這篇博客（感謝！）

一個通常流程是：

首先系統初始化，包括問句規范化配置、加載許多配置屬性等然后將aiml問答知識庫以樹的形式加載到內存，將其拆分成單個詞，結構類似trie tree，在java源碼中就是Graphmaster對象（節點和子節點來存儲知識節點）

然后接受用戶輸入，將問句規范化，并將其拆成一個個單詞

進而查詢匹配標簽

最后根據最佳匹配，完善模板（比如*填充，index填充等）返回答案

?

2.源代碼解析

代碼邏輯：

（1）用Chat類實現會話，工廠創造bot對象

（2）解析aiml，在aiml包下 AimlHandler類，里面包含對多種標簽的解析，生成context和graphmaster對象

解析主入口在aliceBotParser的parse方法。

主要通過AimlHandler中的startElement和endElement方法調用pushTextNode()方法，將解析的一個完整標簽內容壓入stack

然后構造context對象（包含了所有aiml文件的節點、配置和上下文信息，節點存在transformation屬性中，配置信息存儲在properties屬性中），其中transformations對象主要存儲的是語句分離器，問句規范化處理信息

同時構造了graphmaster對象，通過newGraphmaster方法把解析的<category>加入到graphmaster對象中

handler.unload方法從讀取xml生成的stack里面彈出元素

aiml中的基本知識單元<category></category>主要存儲在category對象中，如上圖所示，解析aiml文件后，返回存儲問答對的Category類型的list，然后作為graphmaster對象的屬性

bot要裝載context對象和graphmaster對象，這樣，bot就帶著aiml中的配置和知識去回答用戶提問

（3）用戶輸入，調用bot對象的respond方法

先利用用戶的input生成request對象，request對象是請求對象，屬性為original和sentences，original為問句，然后將sentence規范化，賦給request對象

（4）進一步調用重載的respond方法，調用graphmaster的match方法匹配sentence到對應的category，調用process方法，返回<template>標簽的內容：value.toString

再調用response.append方法，將response對象的original（答案）設置為category的template回復內容

（5）把response添加進context的response鏈表中，這樣會話歷史就被存儲到context對象中

（6）返回respond的最終返回值：response.original.toString()

三、中文分詞嘗試

參考了https://blog.csdn.net/zhang_hui_cs/article/details/22686951這篇博客

aiml默認是不支持中文的，如原理中知識節點圖所示，知識節點都是按空格切分的，所以aiml支持默認按空格分割的英文，這樣才能匹配，而不支持中文，所以支持中文的關鍵就是將中文分詞后加空格分割

因而需要修改的地方有三個：

（1）解析aiml文件時<pattern>和<that>標簽內容中文分詞空格分割

對應于源碼解析中的解析aiml時利用putNextNode方法將標簽壓棧，修改中文分詞即可，我采用了Hanlp，可個性化定制

/*** 中文分詞重載, 分詞后中間加空格* 然后應用到that和pattern標簽* @param isToChineseSegment*/private void pushTextNode(Boolean isToChineseSegment){String pushed = text.toString();text.delete(0, text.length());if (ignoreWhitespace)pushed = pushed.replaceAll("^[\\s\n]+|[\\s\n]{2,}|\n", " ");if(!"".equals(pushed.trim())){if(!isToChineseSegment){stack.push(new Text(pushed));}else{String result = "";List<Term> list = HanLP.segment(pushed);for(Term term:list){result += term.word + " ";}stack.push(new Text(result.trim()));}}}

然后在調用它的startElement和endElement方法中修改

//pushTextNode(); //英文分詞pushTextNode(qname.toLowerCase().equals("pattern") ||qname.toLowerCase().equals("that") || qname.toLowerCase().equals("srai")); //中文分詞

（2）讀取用戶question中文分詞空格分割

修改Transformation類的normalization方法

public void normalization(Sentence sentence){//String input = breakWords(sentence.getOriginal());//---對用戶輸入中文分詞---String result = breakWords(sentence.getOriginal());String input = "";List<Term> list = HanLP.segment(result);for(Term term:list){input += term.word + " ";}//------------------------input = ' ' + input + ' ';input = input.replaceAll("\\s{2,}", " ");sentence.setOriginal(input);Mapper mapper = new Mapper(input);input = substitute(input, mapper);input = fit(input, mapper);sentence.setMappings(mapper.toArray());sentence.setNormalized(input);}

（3）規范化處理類Transformations中需要修改正則表達式匹配，使其能夠匹配中文

//private final Pattern fitting = Pattern.compile("[^A-Z0-9]+"); //正則表達式匹配英文+數字private final Pattern fitting = Pattern.compile("[^A-Z0-9\u4e00-\u9FA5]+"); //添加中文字符

經筆者簡單測試，可以進行中文模糊匹配

<category><pattern>_行不行_</pattern><template>不可以!</template></category> <category><pattern>*能不能*</pattern><template>能!</template></category>

四、注意

1. aiml元素屬性是大小寫敏感的，修改時，pattern元素中的英文都要大寫

2. 自定義標簽：只需繼承TemplateElement類，核心方法是process方法，它的返回值直接作為答案返回給用戶

然后在aiml文件中添加

<category><pattern>測試</pattern><template><b/></template></category>

其中B就是自定義的標簽類

public class B extends TemplateElement {/*Constructors*/public B(Attributes attributes){}public B(Object... children){super(children);}/*Methods*/public String process(Match match){return "user-defined";} }

這樣輸入“測試”，機器人就會回復“user-defined”

3. bot.respond()往往需要一個session參數，因為面對不同用戶時，能夠進行區分

五、優勢與缺點（個人理解）

1.優勢：

第一部分展示的demo例子其實完全可以用問答對構建，然后檢索的方式解決，不需要如此復雜。

aiml的優勢有以下幾點：

（1）支持通配符，即模糊匹配

這就使得aiml可以利用一個category解決很多相同句式的問題；而且，<srai>標簽解決了檢所匹配問答對擴充時答案的冗余

（2）多種功能標簽的輔助

比如<random>，增加了回復的多樣性

<if><condition>判斷條件

<topic>根據主題匹配

<system>learn</system>學習功能，學習用戶輸入的正確答案

（3）會話機制

基于aiml構建的chatbot支持會話機制，使得機器人具有一定程度的基于上下文語境的多輪對話功能，而且機器人能夠區分不同的用戶角色。

比如同樣的問句“你好”，機器人對于不同人就會回復“你好，張三”、“你好、李四”

?

2.缺點

因為是基于規則匹配，缺點也很明顯

（1）依賴規則的構建復雜程度，以及aiml覆蓋知識的多少，規則構建完善、語料大效果自然好。

當針對特定領域的問答時，采用aiml方式構建個性化的標簽和采用其他方式比如檢索匹配，知識圖譜，深度學習技術等等需要評估可行性和效果，可以采用aiml進行輔助，多模塊整合

（2）人工的費時費力

總結

以上是生活随笔為你收集整理的aiml简介+源代码解析+中文分词（java）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。