Event[0]是怎么做到和NPC流畅对话？

我就喜欢这种讨论技术的问题2333

首先为了避免有人不知道这款游戏——这是一款打着步行模拟tag的游戏，科幻壳子，和人工智能Kaizen对话，探索整个宇宙飞船。在游戏中你需要直接和人工智能通过打字的方式交流。AI会根据之前的聊天上文，以及你们的对话做出合适的回答——虽然有可能不是很合适。

《Event[0]》看起来可能拥有最先进的AI，可以无障碍与人沟通。但事实并非如此。任何一个游戏程序员都会告诉你，游戏中的AI是一系列规则的状态机或者行为树，不可能可以和玩家真正沟通。Event [0] 也是如此，所谓的AI不过是一个创造出来的假象。那么这种技术是如何实现的呢？

通过开发者访谈，我们可以看到Kaizen的运作机制。

第一步，程序会纠正你拼错的单词。当然如果你错的太离谱，程序是不可能纠正的。

第二步，程序会浏览你的输入字符串，提取关键词，并和数据库中的tag进行比较。比如I me my mine等词可以匹配的tag是Player，passenger crew others等词匹配的是crew, place location position等词可以匹配where，经过这样的匹配和重新组合，你的语句就能被程序翻译和解读。比如你输入Where are the rest of passengers? 和 Where's my crew?，匹配到的tag组合是一样的，你也就可以得到类似的答复。

第三步，在回答数据库里根据你输入的语句标签搜寻可能的回答，并进行非关键词适当的替换，甚至还需要结合情感状态才能进行最后的输出。

同时，系统也会记录上下文。比如你在之前提到了passengers，那么你下一句话的they就会被辨识为指代了船员。在整个游戏里有1W个以上的单词和数千个标签组成的数据库。

由于游戏中的Kaizen只是一个飞船上的AI，聊天内容仅限于飞船上，所以这个数据库容量不需要多大。但是如果你想要一个能真正和人对话的人工智能，恐怕就非常难了。

或许你可以看下这个

​https://www.youtube.com/watch?v=bCJw4hQkPj4​​​

【游戏制作工具箱】《Event[0]》的运作机制

感谢上面大佬的视频，比我想象的复杂多了，不是单纯一个算法可以解决的了。

1.提取词库中有的关键字，并组成样本

2.对样本进行分析，提取样本的事件以及语句的情感。

3.寻找回复，并根据上述的不同，提供略微不同的回复。

说是很简单，层层提取重要信息，并抽象化，但实际操作起来并不会有这么简单，还有很多细节性的东西没有披露。

-------------------------------修改线--------------------------------------------

Owen Tsai 说的很对，我来提提可能使用到的算法：

1. 最经典的莫过于朴素贝叶斯分类器（Naive Bayes classifier），常用于垃圾邮件分类，这里也可以用。

将词库对应每个可以回答的句型赋予权值，譬如：单词，“天气”，对于“今天是个好天气”这回答，权值为5,；但对于“啥玩意”这回答，权值为1。

将用户的输入与赋予权值并对比，找出概率最大的那个回答。

2. 决策树

将用户输入与词库进行对比，将用户的输入转换成 01 形式，0代表词未出现，1代表词出现，根据训练好的决策树进行对比。

3. KNN分类算法

同决策树，将用户输入转化成一维的形式，矩阵算法找最邻近匹配。

其余的SVM，CNN什么的，不是不可能，而是太麻烦。

另外，以上均为猜测。

鉴于毕设做的类似于语义分析然后提取关键字信息这种东西... =-= 就厚着脸皮来回答一下... （但肯定是最浅显的那种...）

首先是语义分析

第一步是分词，这个已经有很多现有的也挺好用的开源算法了~ 我当时用的是ansj，可以自己定义词库，并定义词性，可以识别新词，但是新词的识别其实不太好用... =-= 你依旧要根据自己的需求去定义词性。例如我当时做的是案情描述文本分析，例如“弹簧开锁”这种关键词语，我就适当的修改弹簧和开锁的词性，弹簧是tool，开锁是vsteal。然后开锁、弹簧等词可以导入一个近义词词库，将相近的词的词性进行更改。虽然这样准确率可能会受到影响，但是不用自己一个个找一个个改啊... 还有很多人说nlp什么的也好用~ 我没试过....

然后就是根据分出来的词（大部分分词工具都会注明名词、动词等词性），区分主谓宾等，然后再分析语义，当时用的是卷积和关联规则来分析（因为当时分析的文本范围比较窄，就针对盗窃案情分析~ 所以简单~ 关联规则和决策树都很好用~）卷积当时用途并不大，因为太简单了用不到吧hhh 用也只是为了提升毕设的高大上感... =-= 然后卷积这方面已经有很多很多中文论文可以参考了~（我自己实际用的模糊匹配... emmm 也还好用的...）

语义分析完之后... 我就不是很清楚了~ 因为就当时要分析的内容来说~ 我只要得到各个关键词或者案情描述文本的topic就可以了~ 也就是用了用LDA...

感觉这方面还是很有意思的~~ 然而我的智商让我望而却步.......

GDC新上传了2018年会游戏开发者的演讲视频