study.aiml附件内容
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
std-startup.xml
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
myaiml.py附件内容
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
learn.py附件内容
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
autostudy.aiml
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
解决aiml中文支持和模糊匹配问题探索附件
在利用Aiml作为随机聊天或者专业问题应答的时候，发现其对中文的支持极差。必须输入确定的问题，才能得到一些相对准确的答复。
这里重点探索两个问题：
解决“*问题*” 这种模糊匹配问题，同时可以匹配到“问题”、“什么问题”、“问题是什么”等类似模糊输入，并对其进行应答。
解决无答案时的自学习问题。
最终展现的是：有答案时，根据“问题”进行应答；没有答案时，可以根据训练，使其学会准确的应答。这样可以减少AIML库大量的不确定性问题编著。
在没有标准应答的时候，根据情境自动进行聊天（休闲模式）；当特定问题进来时，进行标准应答（专家模式）。
RSS订阅
528
3
