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。