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 *** 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 *** 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07%），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。

，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。

1、定位不同

小冰是一款人工智能聊天机器人，在大众文化领域，微软小冰的儿童有声读物自动生成技术成果，已获得超过400万小时的收听量，微软小冰姐姐讲故事有声读物覆盖国内90%以上的儿童早教机器人以及80%在线收听平台。；

小娜是一款生活助理机器人，Cortana（科塔娜）的中心信息存储命名为“笔记本”，将保存用户的地点，个人信息，日历，和联络信息等，基于笔记本中的信息，小娜会在合适的时间和地点推送合适的内容给用户。经过一段时间使用以后，Cortana（小娜） 将越来越了解用户的行为习惯，并更加个性的做出智能推荐。

2、名称不同

微软小冰外文名：Microsoft Xiaoice

微软小娜外文名：Cortana

3、原理不同

微软小冰通过分析理解用户的问题，寻找语料库中最合适的话作为她的回答。使用生成模型之后，小冰不再鹦鹉学舌，而是能够自创回应。

微软小娜会记录用户的行为和使用习惯，利用云计算、搜索引擎和“非结构化数据”分析，读取和“学习”包括手机中的文本文件、电子邮件、、视频等数据，来理解用户 的语义和语境，从而实现人机交互。

参考资料来源：百度百科-Cortana

参考资料来源：百度百科-微软小冰

小冰微软虚拟男友是机器人，融合了自然语言处理、计算机语音和计算机视觉等技术的完备的人工智能底层框架。微软小冰注重人工智能在拟合人类情商维度的发展，强调人工智能情商，而非任务完成在人机交互中的基础价值。小冰的产品形态已涵盖社交对话机器人、智能语音助理、人工智能内容创作和生产平台等。

升级了微软小冰的部分核心技术，主要包括核心对话引擎、全双工语音及多模态交互感官等。经过检索模型、生成模型、共感模型的历次技术迭代，本次升级的对话引擎实现了从“平等对话”向“主导对话”方向的跨越。它不仅能提高开放域的对话表现，也能在垂直领域发挥高转化率的效果。以在美国进行的“在线零售垂直领域”测试为例，新的对话引擎向商品页面转化率高达68%，比上一个版本的转化率提高21%。

小冰，是指微软的支持第三方平台的跨平台人工智能机器人。
同时，微博上有微软小冰的官方微博，名字即为小冰。
“微软小冰”集合了中国近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，精炼为几千万条真实而有趣的语料库(此后每天净增07%)，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。
自然人机交互，就是让机器变得更自然，学习人的沟通的方式，语音、手势、表情、触摸等交流方式，这些技术是移动互联网快速成长的基础。但另外一个层面，移动互联也需要我们思考和解决，如何让机器更加容易理解人的思想和意图，这种人工智能和以前的A I概念不同。更多是通过云计算、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。

---