小黄鸡的基本原理

小黄鸡的基本原理：
分为两个部分：训练+匹配

训练
Simsimi的“教学”，就是训练的过程，目的在于构建或者丰富词库。
流程如下：
S1：用户通过教学界面向系统提出一个话题与相应应答。
S2：系统对该话题进行分词，判断该话题在系统知识库中应存放的位置；
S3：在系统知识库中添加该话题及相应应答。

1.1分词方法
聊天机器人的存储并不以句子为单位（那样太费时费空间），而是以词。于是，分词，几乎成为聊天机器人的核心。
词库设计
由于中文词的特点:
1.中文词是一个开放集，词数在增长；
2.以不同字开头的词的数目变化很大，多的达到数百个，少的也可能只有一个或没有；
3.词的长度变化也很大，有单个词，也有六、七个字成词的。这就要求在设计词典时，除了考虑访问效率之外，还得充分考虑存储利用率。

首字哈希通过一次哈希运算就可以直接定位汉字在表中的位置。一个单元包括三项内容；
C：存储首字
F：标志位，存储以C为首字的最长词条的长度
P：指向词表索引表

解释一下哈希：散列表 Hash table,也叫哈希表，顾名思义就是把数据都打散了，再按一定规律存起来，加快访问速度。是根据关键码值key而直接进行访问的数据结构。

举个例子：我想讲[0,100]做成一个哈希表，选取“模10”作为散列函数，以数组作为存储单元，则得到A[10][10]的数组，A[0]里一次存着0,10,20,30，…，90；A[1]里存着1,11,21，…，91.以此类推。

现在举一个训练小黄鸡的例子：
“大白天的做什么美梦啊？”
回答：”哦哈哈哈不用你管”。
S1：应用双向最大匹配算法分词，
“大白天，的，做什么，美梦，啊”
长词优先选择，“大白天”和“做什么”

S2:以“大白天”为例，假设hash函数f(),并设f(大白天)指向首字hash表项[大，11，P]。于是由该表项指向“3字索引”，再指向对应“词表”。

S3：将结构体<大白天，…>插入队尾。体中有一个Ans域，域中某一指针指向“哦哈哈哈不用你管”

S4：完成训练