用.NET开发MSN聊天机器人 - MSN聊天机器人开发揭秘。_你能不能聪明点啊你好笨你看不让机器人那么聪明你看你自己什么都不知道

写在前面：
我不是开发人员，不是高手，就是自己比较爱玩。在技术上，没有什么喜欢摸索的精神，而是喜欢投机取巧。在这篇文章里，你也不能"少劳而获"地通过我的机器人修改出一个自己的机器人，因为自己觉得程序写的比较臭，所以不会open source。但是，如果你对.net或者C#有点了解的话，相信从这篇文章里，你可以找到一切所需的资源，来开发一个自己的，绝对可用的msn机器人。要和我的机器人聊天，可以加tbot01@hotmail.com，名字叫“塔奇克马”，是从动画片攻壳机动队得名。同时，你也可以去http://www.guanqun.com，那里有一个和这个MSN机器人一样的网页聊天机器人，可以先聊聊看，尽量用中文聊。

这不是一篇新手入门的文章，如果你不知道什么是.NET，不了解数据库方面的哪怕是一丁点东西，建议你先看看。同时，也希望真正的高手不要笑话打击我，毕竟一个普通的，非开发人员的电脑爱好者通过摸索，并告诉大家怎样做一个好玩的东西，不是一件错事。

一、为什么要做MSN聊天机器人

1 我能想到的原因

最重要的是因为很好玩。你的MSN机器人说的话，一定体现你的性格（如果你希望这样的话）。当然，这是我的理由，作这个机器人的初衷仅仅是突然有一天自己想做。也许你也希望你的机器人可以帮助你做一些事情，类似一个专家系统或是客服系统等等。

2 现在的MSN聊天机器人

现在MSN机器人有很多，如果你加过MSN机器人，我想你列表上最多的是一个叫做“小布”或者是他兄弟姐妹一大堆的家伙们(http://www.9zi.com)，可能基于负载的考虑，每次上线你都可能被他们一家子的一堆加入好友的请求包围。还有一些所谓的“免费短信”机器人，我一直就是做SP的，我直接说，为了不耽误你们赚钱，我不对这种机器人加以什么评论。可以提一下MsgerAI（msgerai@hotmail.com）这个机器人，开发它的这位老兄非常希望做一个可以像人一样具有智能的东西，虽然可能在他有生之年都无法完成，不过我还是祝他成功。毕竟有梦想就是好的，而且这个机器人现在也可以为他完成些工作(http://www.funnyok.net/nlp)。还有一些其他的MSN机器人，比如专门提供信息查询服务的，帮你搜索google的等等。MSN进行时里面有列表(http://www.msning.com)，自己去看看就好了。

二、为什么用.NET

其实理由很简单。C#和Java很像，但是Java我实在找不出一个非常好用的，符合自己使用习惯的IDE来。而C#就不同，Vs.NET(http://msdn.microsoft.com/vstudio/) 当然最好用，C# Builder(http://www.borland.com/csharpbuilder/)也不错，连SharpDevelop(http://www.icsharpcode.net/OpenSource/SD/)用起来都相当舒服。所以选择.NET比较好。

另外，.NET在开发上非常方便，只要你有一点点开发基础，用.NET写程序就不是很难。我是站在一个使用者而非开发者的角度，不用去钻研太多技术层面，或是优化的东西，我没那能力也不想进微软研究院。

建议你使用最新版Visual Studio.NET，可以省去很多麻烦的事儿。

同时，.NET开发可以找到的资源也有很多，我们接下来会提。

三、你要一个什么样的聊天机器人

1 开发前的设想

我这里讨论的就是“聊天机器人”这个概念，意思是，他能做的就是陪你聊天。你要有一个程序去“教”他说话，同时要让他明白话语中包含的大概意义，还能够做基本上不怎么离谱的回答。

2 还可以让他做什么

你还可以让他做很多其他的事情，比如查询ip，手机号码，注册号，航班号，或者直接让他去查google，帮你搜索。这些也都不是什么麻烦的事情，只要你想。

四、先让机器人开口说话

不管你的机器人聪不聪明，让他能在MSN上象摸象样地回答是最重要的。所以，你需要有一个MSN帐号，连接到MSN服务器，取得各种服务器的消息，同时发送消息回服务器。

当然，你可以分析MSN的协议（http://www.hypothetic.org/docs/msn/index.php），自己写通讯部分。不过我提过，我是个喜欢投机取巧的人，所以，找个能用的接口用就好了。所以，我找了些MSN的开发接口。

MSNHelper:
http://sourceforge.net/projects/msnphelper/

dotMSN:
http://members.home.nl/b.geertsema/dotMSN/

这两个都是为.NET开发的，我用dotMSN，它使用MSNP8协议。注意dotMSN不要用sourceforge上的版本，要用上面给出的地址。
接下来，下载这个例子：
http://members.home.nl/b.geertsema/dotMSN/example/Example.zip

用vs.net打开，编译，执行。

看懂了吧。登录之后随便双击列表上的某个人，会发送给这个人一句"Hello world!"。你已经可以不通过MSN原来的程序，而直接和人说话了。

这部分的代码是这样的：

  private void ContactJoined(Conversation sender, ContactEventArgs e)
  {
   // someone joined our conversation! remember that this also occurs when you are
   // only talking to 1 other person. Log this event.
   Log.Text += e.Contact.Name + " joined the conversation./r/n";

   // now say something back. You can send messages using the Conversation object.
   sender.SendMessage("Hello world!");
  }

意思是当对方加入聊天后，你就给他发一个"Hello world!"的消息过去。这时候如果你列表上的人双击你的名字，也同样会收到一个Hello World!。

五、让机器人懂中文

1 数据库

因为我们要做中文聊天机器人，语料库的大小直接关系到你的机器人是不是聪明。由于自己的习惯，我用了mysql作为存放语料库和中文分词库的数据库。而且mysql速度极快。当然，你要用Access或者Sql Server，完全可以，而且更容易些。.NET调用Mysql的库可以在这里找到MySQL Driver CS
http://sourceforge.net/projects/mysqldrivercs/

2 整句匹配
整句匹配这个概念很简单。聊天嘛，不认识的人一般都会要上来就说“你好”，或者“hi~~”之类的。这种话通常很简单，而且没有什么太多的变化，直接让机器人回答就行了。比如对方说“你好”，机器人看到这个“你好”，就直接回答“你好”，就可以了。或者对方说"88"，你可以让机器人说“再见”，或者88什么的。。这就叫整句匹配。就是机器人拿到整个的句子，在库里面一查，啊，库里有这句话怎么回答，挑出一句回答过去，对方不会觉得这个机器人笨。

甚至如果对方说“你好笨”，你让机器人回答“我才不笨呢”，对方一定会觉得，这个机器人还行，还知道别人说他笨。

3 中文分词

一个聊天机器人当然要懂些中文。中文处理的基础就是中文分词。分词是什么？“分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。”这个定义是我抄的。请查阅这篇文章：http://www.hylanda.com/center/knowledge.htm 他们做中文分词应该有一定成绩。国内的分词系统，ICTCLAS做得也比较好。有VC的源代码，可以下来看看。
http://www.nlp.org.cn/project/project.php?proj_id=6

有人会说，这个东西我不懂，我也没研究过。其实我也不懂。只不过，如果不做中文分词，聊天机器人就只能停留在证据匹配的地步。我们可以使用最大匹配法，对聊天机器人接收到的话做简单的分词。关于算法，请参阅詹卫东先生的这个讲义，估计你一看就明白了。

课程名称：中文信息处理基础

http://ccl.pku.edu.cn/doubtfire/Course/Chinese%20Information%20Processing/2002_2003_1.htm

下载这个PPT讲义：http://ccl.pku.edu.cn/doubtfire/Course/Chinese%20Information%20Processing/contents/Chapter_07_1.ppt

分词算法不需要太复杂，简单点就好。

另外分词算法需要一个中文分词库。我提供了一个mysql的，这里可以下载。导入到你的mysql里面就可以。其他数据库其实把sql语句简单改改也可以用。
中文分词库下载：http://www.guanqun.com/down/wordlist.rar

4 词语的匹配

仅仅会分词还不够，如果真的要让机器人了解人说的话，肯定需要一些人工智能的算法。我们就是做个机器人玩玩，没必要研究的那么深。人工智能走到现在，太聪明的聊天机器人也少之又少。而且，让专业的研究人员去研究就好了，我们仅仅就是玩玩。所以呢……我们就用一个最简单的办法。我们的方法是，让机器人找这一句话的关键词，这句话大概的词性搭配，再去语料库里面找到符合这样规则的回答的话。

举个简单的例子：
比如对方说：

“你真好玩”

 我们先用分词算法，把这句话分成

“你 真 好玩”，

然后找出关键词“好玩”。同时把这句话的词性搭配也记录下来。 这样，当找到关键词“好玩”在语料库中的时候，我们再来找是否有类似这这句话词性搭配的回答，如果有，随机回答出一句：“哈哈。。。我就喜欢你这么说。”，这样，可以给聊天者比较好的感觉。

那么问题来了，如何找出关键词呢？ 我的方法是……（比较烂，但是通常有效），找出这句话中长度最长的词作为关键词。没有为什么，因为这样速度会快些。如果一句话中所有的词都被扫描成为关键词，再去查库，会出现些匹配上的问题。（不科学，但是通常有效）。

五、让机器人再“聪明”些

1 整句匹配语料库的设计

第一步当然是做你的整句匹配语料库。语料库都要自己写的，不要偷懒。找出别人最常说的话，比如你好谢谢对不起什么的，多放些回答在里面，免得每次回答都是一样的，然后要回答的时候，先写一句sql来查询，如

select * from reply where `key` = '"+sentense+"' order by rand() limit 1

把找到的话直接回复过去就可以了。如果找不到整句匹配，再做分词处理。

2 分词匹配语料库的设计

因为我们分词算法也没有经过什么优化，同时，我们找出关键字的办法也不是那么的好，所以，你给出的回答一定要不那么清晰。说白了就是，回答的话要有些“含糊不清”才可以。目标就是，让人觉得机器人对他说的话已经理解了，回答出来的还算比较“对路”。不要求100%对路，只要有40%以上对路，聊天的人基本就可能会接受。同时，回答的语料库，最好可以引导对方再次回答的时候，可以说出你语料库里面有的，最好是可以整句匹配的句子。

举个好玩的例子：

问题:你是男的还是女的？/你是男的还是女的/你是男的还是女的?  (是否有标点符号没关系，我们要记录句子的词性搭配，同时，要对标点符号做些处理)

像这样一句话，我们可以通过分词，找出关键词：“还是”，而且通过判断词性，可以知道，这是一句问句。而且问的是在两种情况之间选择。（当然，我们通过简单的算法，没法知道这句话其实是问性别）

对于这样的问题，你的机器人怎么回答？其实很简单，首先，回答要“对路”，尽量不让人觉得答非所问，至少让人觉得，你的机器人是知道对方在问什么的。所以，我的机器人这样回答：

机器人回答：都是。。。哈哈

因为回答的是聊天用语，而且带点开玩笑的意味，所以会使聊天者觉得，这个机器人还不是那么笨。

这只是一个简单的例子。很多具体的句子还得你自己去分析。当然，语料库越多，机器人懂的就越多，也就越聪明了。

3 匹配不到关键字怎么办

语料库不是很多的情况下，很可能我们的分词算法匹配不到合适的回答来应付。所以我们还要另外做一个语料库，用来在实在匹配不到关键词的时候，进行回答。这样的回答比较需要类似“算卦”的人的回答技巧，因为对方可能说任何话，而我们的机器人不明白。所以，要想办法“蒙混过关”，同时，尽量引导对方向你机器人可能回答的方面说。你可以试着跟“小布”聊聊天，会发现它回答不出来的时候，就会随便挑一句“佛经”来说。

其实最重要的一个技巧就是，学习一下算卦的人说的话，都是云里雾里的，让人摸不到头脑，还觉得可能是对的。我们就要让机器人学习这种技巧，来达到看上去“聪明”的目的。

最后的话：
其实写这样的一个机器人程序很快的，如果熟悉些的话，估计一天应该就可以写出来。我大概用了一天半，还加上准备些语料库的时间。如果你真想做个稍稍“聪明些”的机器人来玩，这篇文章应该可以为你剩下至少3-5个小时的找资料的时间。如果你懒得自己研究，也有别的公司做的只能整句匹配的程序可以下载，自己下一个玩玩也就算了。

原文最早发表于我的blog: http://bot.donews.net/bot 转载请不要去掉这个