我正在编写一个机器人，它将分析帖子并使用来自数据库的模糊相关字符串进行回复。我的目标不是连贯性，只是为了模糊的相似性，可能会被认为是对这个话题一无所知的人（但知识渊博，可以尝试回复）。有哪些方法可以帮助我选择正确的回复？
我想出的一件事是创建一个词汇表，检查列表中的哪些元素在帖子中，并根据这些结果从数据库中获得回复。这种粗略的方法在大约 10% 的时间内成功（基于对随机帖子的 100 条回复）。我可能会用更多的词来扩展列表，但是这种方法有其局限性。有更好的吗？
（P. S. 数据库很大——大约有 500 000 条回复）
【问题讨论】：
标签： c# string artificial-intelligence
首先，除非你准备好编写大量代码，否则我认为你能期望的最好结果将是大约 50% 的回答率。
如果您愿意了解一些统计数据，请查看term frequency–inverse document frequency。基本上，您将使用不常用词的频率来确定哪些关键字对文档至关重要，并将其用作 tf-idf 算法的输入，以提取具有相同关键字的其他回复。
然后，您可以将其与白名单和黑名单技术进一步结合，以忽略常用词并优先考虑某些关键字。然后，您可以继续调整这些列表以增强算法，因为您认为它有效。
您还可以使用更简单的字符串指标来测试基本相似度。看看这个list of string metrics。
【讨论】：
您可能想研究向量空间映射和相似性。 “模糊相关”的问题最有可能通过相似度统计分析来处理。
看看这种新颖的相似性用法：
【讨论】：
有一个名为“similar_text()”的 PHP 函数，（例如： $percent_similar =similar_text($str1, $str2);) 这工作得相当好，但我没有在 C# 中想出任何类似的东西。如果你能掌握 PHP 函数的源代码，你可能会尝试翻译它。我认为可能还有Java版本。
【讨论】：