aiml简介+源代码解析+中文分词（java）
本文整合了看到的几篇博客并结合了笔者自己的尝试，记录下对aiml的浅显理解，想了解的更深入还是要靠自己探索呀！
目录
一、简介
二、原理+源代码解析
三、中文分词尝试
四、注意
五、优势与缺点（个人理解）
一、简介
AIML，全名为Artificial Intelligence Markup Language（人工智能标记语言），是一种创建自然语言软件代理的XML语言，最初来源于一个名为"A.L.I.C.E."的聊天机器人。
简言之，AIML就是用户通过定义的规则模板进行问答匹配，来实现聊天机器人自动问答的功能
下面展示了一个最基本的例子，仅包含最主要的
你好 您好，很高兴认识您。
当用户输入问题“你好”时，机器人就会匹配到这个pattern，然后将中的内容作为答案返回
标签的详细说明可以参考https://www.tutorialspoint.com/aiml/index.htm
二、原理+源代码解析
1.原理
原理参考了春雨里de太阳的AIML知识库数据匹配原理解析这篇博客（感谢！）
一个通常流程是：
首先系统初始化，包括问句规范化配置、加载许多配置属性等然后将aiml问答知识库以树的形式加载到内存，将其拆分成单个词，结构类似trie tree，在java源码中就是Graphmaster对象（节点和子节点来存储知识节点）
然后接受用户输入，将问句规范化，并将其拆成一个个单词
进而查询匹配标签
最后根据最佳匹配，完善模板（比如*填充，index填充等）返回答案
2.源代码解析
代码逻辑：
（1）用Chat类实现会话，工厂创造bot对象
（2）解析aiml，在aiml包下 AimlHandler类，里面包含对多种标签的解析，生成context和graphmaster对象
解析主入口在aliceBotParser的parse方法。
主要通过AimlHandler中的startElement和endElement方法调用pushTextNode()方法，将解析的一个完整标签内容压入stack
然后构造context对象（包含了所有aiml文件的节点、配置和上下文信息，节点存在transformation属性中，配置信息存储在properties属性中），其中transformations对象主要存储的是语句分离器，问句规范化处理信息
同时构造了graphmaster对象，通过newGraphmaster方法把解析的
加入到graphmaster对象中
handler.unload方法从读取xml生成的stack里面弹出元素
aiml中的基本知识单元
bot要装载context对象和graphmaster对象，这样，bot就带着aiml中的配置和知识去回答用户提问
（3）用户输入，调用bot对象的respond方法
先利用用户的input生成request对象，request对象是请求对象，属性为original和sentences，original为问句，然后将sentence规范化，赋给request对象
（4）进一步调用重载的respond方法，调用graphmaster的match方法匹配sentence到对应的category，调用process方法，返回标签的内容：value.toString
再调用response.append方法，将response对象的original（答案）设置为category的template回复内容
（5）把response添加进context的response链表中，这样会话历史就被存储到context对象中
（6）返回respond的最终返回值：response.original.toString()
三、中文分词尝试
参考了https://blog.csdn.net/zhang_hui_cs/article/details/22686951这篇博客
aiml默认是不支持中文的，如原理中知识节点图所示，知识节点都是按空格切分的，所以aiml支持默认按空格分割的英文，这样才能匹配，而不支持中文，所以支持中文的关键就是将中文分词后加空格分割
因而需要修改的地方有三个：
（1）解析aiml文件时
对应于源码解析中的解析aiml时利用putNextNode方法将标签压栈，修改中文分词即可，我采用了Hanlp，可个性化定制
/**
* 中文分词重载, 分词后中间加空格
* 然后应用到that和pattern标签
* @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 list = HanLP.segment(pushed);
for(Term term:list){
result += term.word + " ";
}
stack.push(new Text(result.trim()));
}
}
} 然后在调用它的startElement和endElement方法中修改
//pushTextNode(); //英文分词
pushTextNode(qname.toLowerCase().equals("pattern") ||qname.toLowerCase().equals("that") || qname.toLowerCase().equals("srai")); //中文分词（2）读取用户question中文分词空格分割
修改Transformation类的normalization方法
public void normalization(Sentence sentence)
{
//String input = breakWords(sentence.getOriginal());
//---对用户输入中文分词---
String result = breakWords(sentence.getOriginal());
String input = "";
List 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）规范化处理类Transformations中需要修改正则表达式匹配，使其能够匹配中文
//private final Pattern fitting = Pattern.compile("[^A-Z0-9]+"); //正则表达式匹配英文+数字
private final Pattern fitting = Pattern.compile("[^A-Z0-9\u4e00-\u9FA5]+"); //添加中文字符经笔者简单测试，可以进行中文模糊匹配
_行不行_ 不可以!*能不能* 能!
四、注意
1. aiml元素属性是大小写敏感的，修改时，pattern元素中的英文都要大写
2. 自定义标签：只需继承TemplateElement类，核心方法是process方法，它的返回值直接作为答案返回给用户
然后在aiml文件中添加
<category><pattern>测试pattern><template><b/>template>category>
其中B就是自定义的标签类
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";
}
}这样输入“测试”，机器人就会回复“user-defined”
3. bot.respond()往往需要一个session参数，因为面对不同用户时，能够进行区分
五、优势与缺点（个人理解）
1.优势：
第一部分展示的demo例子其实完全可以用问答对构建，然后检索的方式解决，不需要如此复杂。
aiml的优势有以下几点：
（1）支持通配符，即模糊匹配
这就使得aiml可以利用一个category解决很多相同句式的问题；而且，
（2）多种功能标签的辅助
比如
（3）会话机制
基于aiml构建的chatbot支持会话机制，使得机器人具有一定程度的基于上下文语境的多轮对话功能，而且机器人能够区分不同的用户角色。
比如同样的问句“你好”，机器人对于不同人就会回复“你好，张三”、“你好、李四”
2.缺点
因为是基于规则匹配，缺点也很明显
（1）依赖规则的构建复杂程度，以及aiml覆盖知识的多少，规则构建完善、语料大效果自然好。
当针对特定领域的问答时，采用aiml方式构建个性化的标签和采用其他方式比如检索匹配，知识图谱，深度学习技术等等需要评估可行性和效果，可以采用aiml进行辅助，多模块整合
（2）人工的费时费力