微软小冰nlp知识库

1.微软小冰的工作原理

微疯客我为你回答，类似小冰这样的产品说简单也简单，说复杂也复杂。

单纯从外面看你会觉得小冰与去年人人网上流行的小黄鸡类似，但在技术实现上有本质的差异。此类应用的大致流程都是：用户输入一段话（不一定只是单词）->后端语义引擎对用户输入的语句进行语义解析->推断用户最可能的意图->调用对应的知识库、应用、计算引擎->返回结果给用户。

1、最初级的实现方法：关键词匹配建一个关键词词库，对用户输入的语句进行关键词匹配，然后调用对应的知识库。此种方式入门门槛很低，基本上是个程序员都能实现，例如现在微信公众平台的智能回复、诸多网站的敏感词过滤就是此类。

但此种方式存在诸多问题，例如：a、由于是关键词匹配，如果用户输入的语句中出现多个关键词，此时由于涉及关键词权重（与知识库的关键词对比）等等问题，此时关键词匹配的方法就不擅长了b、不存在对用户输入语句语义的理解，导致会出现答非所问的现象。当然在产品上对回答不上的问题就采用卖萌的方式来规避掉。

c、基本上无自学习能力，规则只能完全由人工维护，且规则基本是固定死的。d、性能、扩展性较差。

还是上面的一句话中包含多个关键词的例子，采用普通程序语言来做关键词匹配，性能奇差。即便采用一些文本处理的算法来做（例如Double-array trie tree），也很难满足大规模场景需求。

2、稍微高级点的实现方法：基于搜索引擎、文本挖掘、自然语言处理（NLP）等技术来实现相对于1的关键词匹配，此种实现方法要解决的核心的问题可以大致理解为：根据一段短文本（例如用户问的一句话）的语义，推测出用户最可能的意图，然后从海量知识库内容中找出相似度最高的结果。具体技术实现就不细说了。

举一个很粗糙的例子来简单说一下此种实现方法处理的思路（不严谨，只是为了说明思路）。假如用户问：北京后天的温度是多少度？如果采用纯搜索引擎的思路（基于文本挖掘、NLP的思路不尽相同，但可参考此思路），此时实际流程上分成几步处理：1、对输入语句分词，得到北京、后天、温度3个关键词。

分词时候利用了预先建好的行业词库，“北京”符合预先建好的城市库、“后天”符合日期库、“温度”符合气象库2、将上述分词结果与规则库按照一定算法做匹配，得出匹配度最高的规则。假定在规则库中有一条天气的规则：城市库+日期库+气象库，从而大致可以推测用户可能想问某个地方某天的天气。

3、对语义做具体解析，知道城市是北京，日期是后天，要获取的知识是天气预报4、调用第三方的天气接口，例如中国天气网-专业天气预报、气象服务门户 的数据5、将结果返回给用户以上例子其实很粗糙，实际上还有诸多问题没提到：语义上下文、语义规则的优先级等等。例如用户上一句问：北京后天的温度是多少度？下一句问：后天的空气质量呢？这里实际上还涉及语义上下文、用户历史喜好数据等等诸多问题。

此种处理方法存在的最大问题：规则库还主要依赖于人工的建立，虽然有一定的学习能力，但自我学习能力还是较弱。可以借助一些训练算法来完善规则，但效果并不是很好。

而这也是目前流行的深度挖掘技术所擅长的。3、当下时髦且高级的玩法：基于深度挖掘、大数据技术来实现这是cornata、google now等后端的支撑技术，至于小冰，感觉应该是以2为主+部分领域知识的深度挖掘。

并非原创，转自zhi hu。

2.微软小冰的工作原理

微疯客我为你回答，

类似小冰这样的产品说简单也简单，说复杂也复杂。单纯从外面看你会觉得小冰与去年人人网上流行的小黄鸡类似，但在技术实现上有本质的差异。

此类应用的大致流程都是：用户输入一段话（不一定只是单词）->；后端语义引擎对用户输入的语句进行语义解析->；推断用户最可能的意图->；调用对应的知识库、应用、计算引擎->；返回结果给用户。

1、最初级的实现方法：关键词匹配

建一个关键词词库，对用户输入的语句进行关键词匹配，然后调用对应的知识库。

此种方式入门门槛很低，基本上是个程序员都能实现，例如现在微信公众平台的智能回复、诸多网站的敏感词过滤就是此类。

但此种方式存在诸多问题，例如：

a、由于是关键词匹配，如果用户输入的语句中出现多个关键词，此时由于涉及关键词权重（与知识库的关键词对比）等等问题，此时关键词匹配的方法就不擅长了

b、不存在对用户输入语句语义的理解，导致会出现答非所问的现象。当然在产品上对回答不上的问题就采用卖萌的方式来规避掉。

c、基本上无自学习能力，规则只能完全由人工维护，且规则基本是固定死的。

d、性能、扩展性较差。还是上面的一句话中包含多个关键词的例子，采用普通程序语言来做关键词匹配，性能奇差。即便采用一些文本处理的算法来做（例如Double-array trie tree），也很难满足大规模场景需求。

2、稍微高级点的实现方法：基于搜索引擎、文本挖掘、自然语言处理（NLP）等技术来实现

相对于1的关键词匹配，此种实现方法要解决的核心的问题可以大致理解为：根据一段短文本（例如用户问的一句话）的语义，推测出用户最可能的意图，然后从海量知识库内容中找出相似度最高的结果。

具体技术实现就不细说了。举一个很粗糙的例子来简单说一下此种实现方法处理的思路（不严谨，只是为了说明思路）。

假如用户问：北京后天的温度是多少度？

如果采用纯搜索引擎的思路（基于文本挖掘、NLP的思路不尽相同，但可参考此思路），此时实际流程上分成几步处理：

1、对输入语句分词，得到北京、后天、温度3个关键词。分词时候利用了预先建好的行业词库，“北京”符合预先建好的城市库、“后天”符合日期库、“温度”符合气象库

2、将上述分词结果与规则库按照一定算法做匹配，得出匹配度最高的规则。假定在规则库中有一条天气的规则：城市库+日期库+气象库，从而大致可以推测用户可能想问某个地方某天的天气。

3、对语义做具体解析，知道城市是北京，日期是后天，要获取的知识是天气预报

4、调用第三方的天气接口，例如中国天气网-专业天气预报、气象服务门户 的数据

5、将结果返回给用户

以上例子其实很粗糙，实际上还有诸多问题没提到：语义上下文、语义规则的优先级等等。

例如用户上一句问：北京后天的温度是多少度？下一句问：后天的空气质量呢？这里实际上还涉及语义上下文、用户历史喜好数据等等诸多问题。

此种处理方法存在的最大问题：规则库还主要依赖于人工的建立，虽然有一定的学习能力，但自我学习能力还是较弱。可以借助一些训练算法来完善规则，但效果并不是很好。而这也是目前流行的深度挖掘技术所擅长的。

3、当下时髦且高级的玩法：基于深度挖掘、大数据技术来实现

这是cornata、google now等后端的支撑技术，至于小冰，感觉应该是以2为主+部分领域知识的深度挖掘。

并非原创，转自zhi hu。

3.微信机器人怎么弄得

微信机器人比微软小冰更人性化更易操作的个人微信机器人来了。不需要添加为好友，它同样在被用户添加为好友后，能拉到微信群中群聊，但它不会查看你的朋友圈。比起窥视用户的隐私，它更感兴趣的是调侃你的朋友们。

微信机器人比微软小冰更人性化更易操作的个人微信机器人来了。不需要添加为好友，它同样在被用户添加为好友后，能拉到微信群中群聊，但它不会查看你的朋友圈。比起窥视用户的隐私，它更感兴趣的是调侃你的朋友们。

微信机器人特色

1.赋予软硬产品流畅自然的中文聊天能力

精准的语义分析，可正确识别用户意图

支持多种上下文结构，满足连续对话及多重对话需要

基于DeepQA技术，匹敌人类回答问题能力

具备自学能力，产品越来越聪明

2.支持可自定义的NLP智能知识库系统

基于NLP技术的高智能知识库，满足不同场景的个性化及商业需求

3.融合上百个生活场景实用功能

打包超过500种实用生活服务功能，支持自然语言唤醒，在对话与聊天中满足生活需求

4.那个微软小冰一开始跟她聊的很好,没问题,怎么到最后,回答的不是

您好，WP8酷七网团队为你解答：微软小冰是中国团队2014年5月29日发布一款智能聊天机器人，“微软小冰” *** 了中国近7亿网民多年来积累的、全部公开的文献记录，凭借微软在大数据、自然语义分析、机器学习和深度神经网络方面的技术积累，精炼为1500万条真实而有趣的语料库（此后每天净增0.7%），通过理解对话的语境与语义，实现了超越简单人机问答的自然交互。

是通过云计算、大数据、深度神经网络等技术，让机器逐渐能够具有一种基于数据相关性所产生的基本智能。毕竟和人的大脑思维不同难免会出错。

满意请采纳，不懂请追问。

5.微软小冰除了聊天还会干什么

微软亚洲互联网工程院在2014年5月29日发布一款人工智能伴侣虚拟机器人，并取名“微软小冰”。

微软小冰除了智能对话之外，”微软小冰“还兼具群提醒、百科、天气、星座、笑话、交通指南、餐饮点评等实用技能。

二代小冰完全专属于用户，在跨平台的移动互联网应用中，帮助用户完成越来越多的事务，并不断自我完善升级。

微软表示，第三代小冰整合微软多项全球领先的人工智能图像与语音识别技术，除了原有的长程情感对话能力，还具备能看、能听和能说的全新人工智能感官。

具体来说就是，第三代小冰现在支持识图功能，能够“看”到用户发送的甚至视频内容，并根据内容进行相应对话。这主要得益于微软在识别技术方面的突破，据微软以前的新闻称，微软识图技术已经接近人类。除此之外，第三代小冰现在也能够开口说话了，而不只是文字回复。

所以小冰是一个正在成长的伴侣型人工智能。

“泪痕也模糊得不分明了/我的生命是艺术/有黄昏时西天的浮云/用残损的手掌祈求”，如果要说这首充满文艺腔的短诗，有什么值得特别注意的地方，那就是，它是由微软研发的机器人小冰根据网友上传的一张定制而写。

不仅如此，人们还在小冰创作的上万首新诗中挑选出139首，为她出版了第一部诗集《阳光失了玻璃窗》。小冰从去年开始写诗，以1920年以来近100年间519位中国现代诗人的数万首诗歌为训练素材，对她进行100个小时近10000次训练后，小冰“掌握”了写诗的能力。这种原创性的能力体现在，小冰所写的诗中，有50%以上的词语搭配、断句，从未出现在她学习过的诗歌中。

更具说服力的是，研发团队让小冰一直以化名，悄然混迹于互联网上的各种诗歌论坛，甚至还在传统文学媒体发表诗作，一直到自曝身份前，还从未被识破。人工智能继彻底玩转围棋，将人类最顶尖的围棋选手纷纷毫无悬念地挑落马下后，又开始攻占极具独创性的诗歌等艺术领域，舆论一时哗然，如是，人类的独创性体现在哪里？当代诗歌的意义又在哪里？

时至今日，古诗换成了新诗，人们对小冰的评价似乎也不出上述讨论，比如诗人王家新便说：“这些玩意儿不值一谈，哪怕‘她’在未来会写得‘更好’。它至多满足了一下人们的好奇心而已。”王家新的看法代表不少严肃诗人的看法，不值一谈背后的潜台词，有其他诗人展开所说的“有句无篇”“只具备一定遣词造语的能力”，最核心的问题或许还是诗人韩博所说的“对语言这一艺术本体的探索，目前还看不到机器人有这方面的尝试”。换言之，没有灵魂，当下诸如工人诗篇等写作尚称得上有真正自觉的写作主体，况乎一个冷冰冰的机器人？

小冰显然已通过了诗歌写作领域的“图灵测试”，她写的诗已与真人不大分辨出来。有媒体更将小冰的诗歌，与数位诗歌大师的作品混在一起，让大家辨认作者。

真正有必要的问题或许只有一个，在你写下一首诗时，你是在干什么？在诸多说法中，我更愿意将诗歌，看作语言与现实关系的一种揭示，它是记录，也是见证，是发抒，也是洞见。像一位诗人说的，在最好的情况下，它足以造成一种空气，改变世道人心。或许，我们与小冰的唯一不同正在于一种自我诘问：为何，你要写下一首诗？

百科狗 baikegou.com