用.NET开发MSN聊天机器人

用.NET开发MSN聊天机器人 - MSN聊天机器人开发揭秘。
写在前面：
我不是开发人员，不是高手，就是自己比较爱玩。在技术上，没有什么喜欢摸索的精神，而是喜欢投机取巧。在这篇文章里，你也不能"少劳而获"地通过我的机器人修改出一个自己的机器人，因为自己觉得程序写的比较臭，所以不会open source。但是，如果你对.net或者C#有点了解的话，相信从这篇文章里，你可以找到一切所需的资源，来开发一个自己的，绝对可用的msn机器人。要和我的机器人聊天，可以加tbot01@hotmail.com，名字叫“塔奇克马”，是从动画片攻壳机动队得名。同时，你也可以去http://www.guanqun.com，那里有一个和这个MSN机器人一样的网页聊天机器人，可以先聊聊看，尽量用中文聊。
这不是一篇新手入门的文章，如果你不知道什么是.NET，不了解数据库方面的哪怕是一丁点东西，建议你先看看。同时，也希望真正的高手不要笑话打击我，毕竟一个普通的，非开发人员的电脑爱好者通过摸索，并告诉大家怎样做一个好玩的东西，不是一件错事。
一、为什么要做MSN聊天机器人
1 我能想到的原因
最重要的是因为很好玩。你的MSN机器人说的话，一定体现你的性格（如果你希望这样的话）。当然，这是我的理由，作这个机器人的初衷仅仅是突然有一天自己想做。也许你也希望你的机器人可以帮助你做一些事情，类似一个专家系统或是客服系统等等。
2 现在的MSN聊天机器人
现在MSN机器人有很多，如果你加过MSN机器人，我想你列表上最多的是一个叫做“小布”或者是他兄弟姐妹一大堆的家伙们(http://www.9zi.com)，可能基于负载的考虑，每次上线你都可能被他们一家子的一堆加入好友的请求包围。还有一些所谓的“免费短信”机器人，我一直就是做SP的，我直接说，为了不耽误你们赚钱，我不对这种机器人加以什么评论。可以提一下MsgerAI（msgerai@hotmail.com）这个机器人，开发它的这位老兄非常希望做一个可以像人一样具有智能的东西，虽然可能在他有生之年都无法完成，不过我还是祝他成功。毕竟有梦想就是好的，而且这个机器人现在也可以为他完成些工作(http://www.funnyok.net/nlp)。还有一些其他的MSN机器人，比如专门提供信息查询服务的，帮你搜索google的等等。MSN进行时里面有列表(http://www.msning.com)，自己去看看就好了。
二、为什么用.NET
其实理由很简单。C#和Java很像，但是Java我实在找不出一个非常好用的，符合自己使用习惯的IDE来。而C#就不同，Vs.NET(http://msdn.microsoft.com/vstudio/) 当然最好用，C# Builder(http://www.borland.com/csharpbuilder/)也不错，连SharpDevelop(http://www.icsharpcode.net/OpenSource/SD/)用起来都相当舒服。所以选择.NET比较好。
另外，.NET在开发上非常方便，只要你有一点点开发基础，用.NET写程序就不是很难。我是站在一个使用者而非开发者的角度，不用去钻研太多技术层面，或是优化的东西，我没那能力也不想进微软研究院。
建议你使用最新版Visual Studio.NET，可以省去很多麻烦的事儿。
同时，.NET开发可以找到的资源也有很多，我们接下来会提。
三、你要一个什么样的聊天机器人
1 开发前的设想
我这里讨论的就是“聊天机器人”这个概念，意思是，他能做的就是陪你聊天。你要有一个程序去“教”他说话，同时要让他明白话语中包含的大概意义，还能够做基本上不怎么离谱的回答。
2 还可以让他做什么
你还可以让他做很多其他的事情，比如查询ip，手机号码，注册号，航班号，或者直接让他去查google，帮你搜索。这些也都不是什么麻烦的事情，只要你想。
四、先让机器人开口说话
不管你的机器人聪不聪明，让他能在MSN上象摸象样地回答是最重要的。所以，你需要有一个MSN帐号，连接到MSN服务器，取得各种服务器的消息，同时发送消息回服务器。
当然，你可以分析MSN的协议（http://www.hypothetic.org/docs/msn/index.php），自己写通讯部分。不过我提过，我是个喜欢投机取巧的人，所以，找个能用的接口用就好了。所以，我找了些MSN的开发接口。
MSNHelper:
http://sourceforge.net/projects/msnphelper/
dotMSN:
http://members.home.nl/b.geertsema/dotMSN/
这两个都是为.NET开发的，我用dotMSN，它使用MSNP8协议。注意dotMSN不要用sourceforge上的版本，要用上面给出的地址。
接下来，下载这个例子：
http://members.home.nl/b.geertsema/dotMSN/...ple/Example.zip
用vs.net打开，编译，执行。
看懂了吧。登录之后随便双击列表上的某个人，会发送给这个人一句"Hello world!"。你已经可以不通过MSN原来的程序，而直接和人说话了。
这部分的代码是这样的：
private void ContactJoined(Conversation sender, ContactEventArgs e)
{
// someone joined our conversation! remember that this also occurs when you are
// only talking to 1 other person. Log this event.
Log.Text += e.Contact.Name + " joined the conversation.";
// now say something back. You can send messages using the Conversation object.
sender.SendMessage("Hello world!");
}
意思是当对方加入聊天后，你就给他发一个"Hello world!"的消息过去。这时候如果你列表上的人双击你的名字，也同样会收到一个Hello World!。
五、让机器人懂中文
1 数据库
因为我们要做中文聊天机器人，语料库的大小直接关系到你的机器人是不是聪明。由于自己的习惯，我用了mysql作为存放语料库和中文分词库的数据库。而且mysql速度极快。当然，你要用Access或者Sql Server，完全可以，而且更容易些。.NET调用Mysql的库可以在这里找到MySQL Driver CS
http://sourceforge.net/projects/mysqldrivercs/
2 整句匹配
整句匹配这个概念很简单。聊天嘛，不认识的人一般都会要上来就说“你好”，或者“hi~~”之类的。这种话通常很简单，而且没有什么太多的变化，直接让机器人回答就行了。比如对方说“你好”，机器人看到这个“你好”，就直接回答“你好”，就可以了。或者对方说"88"，你可以让机器人说“再见”，或者88什么的。。这就叫整句匹配。就是机器人拿到整个的句子，在库里面一查，啊，库里有这句话怎么回答，挑出一句回答过去，对方不会觉得这个机器人笨。
甚至如果对方说“你好笨”，你让机器人回答“我才不笨呢”，对方一定会觉得，这个机器人还行，还知道别人说他笨。
3 中文分词
一个聊天机器人当然要懂些中文。中文处理的基础就是中文分词。分词是什么？“分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。”这个定义是我抄的。请查阅这篇文章：http://www.hylanda.com/center/knowledge.htm 他们做中文分词应该有一定成绩。国内的分词系统，ICTCLAS做得也比较好。有VC的源代码，可以下来看看。
http://www.nlp.org.cn/project/project.php?proj_id=6
有人会说，这个东西我不懂，我也没研究过。其实我也不懂。只不过，如果不做中文分词，聊天机器人就只能停留在证据匹配的地步。我们可以使用最大匹配法，对聊天机器人接收到的话做简单的分词。关于算法，请参阅詹卫东先生的这个讲义，估计你一看就明白了。
课程名称：中文信息处理基础
http://ccl.pku.edu.cn/doubtfire/Course/Chi...2002_2003_1.htm
下载这个PPT讲义：http://ccl.pku.edu.cn/doubtfire/Course/Chinese%20Information%20Processing/contents/Chapter_07_1.ppt
分词算法不需要太复杂，简单点就好。
另外分词算法需要一个中文分词库。我提供了一个mysql的，这里可以下载。导入到你的mysql里面就可以。其他数据库其实把sql语句简单改改也可以用。
中文分词库下载：http://www.guanqun.com/down/wordlist.rar
4 词语的匹配
仅仅会分词还不够，如果真的要让机器人了解人说的话，肯定需要一些人工智能的算法。我们就是做个机器人玩玩，没必要研究的那么深。人工智能走到现在，太聪明的聊天机器人也少之又少。而且，让专业的研究人员去研究就好了，我们仅仅就是玩玩。所以呢……我们就用一个最简单的办法。我们的方法是，让机器人找这一句话的关键词，这句话大概的词性搭配，再去语料库里面找到符合这样规则的回答的话。
举个简单的例子：
比如对方说：
“你真好玩”
我们先用分词算法，把这句话分成
“你 真 好玩”，
然后找出关键词“好玩”。同时把这句话的词性搭配也记录下来。 这样，当找到关键词̶