我想为我的AI课做一个谜语AI聊天机器人。 所以我想到聊天机器人的输入是：
像： “它是蓝色的，它是向上的，但它不是天花板”
翻译：
<Object X>
<blue>
<up>
<!ceiling>
</Object X>
（答案：天空？）
因此，输入是一组特征（现有的\不存在于对象中），输出是匹配的，最可能的对象。
域名将限制为多个对象，我可以自己输入所有属性，但我在想：
我怎样才能以编程方式为单词构建特征数据库？ 有这样的数据库吗？我怎么能标记一个单词，我怎么能以编程方式找到它的所有属性？我正在考虑抓取维基百科或某个论坛，但我看不到它构建任何可靠的文字标签数据库。
关于如何实现这样的事情的任何想法？关于这个主题的一些文献的任何想法？
谢谢
答案 0 :(得分：2)
Cyc项目的目标非常相似：我认为它包含用于执行AI的推理引擎，以及关于常识知识的事实数据库（如天空的颜色）。
答案 1 :(得分：2)
这听起来像是一个基本的分类问题。你基本上是在问;给定N个特征（颜色=蓝色，位置=向上等），哪个M分类最有可能？有许多算法可以实现这一点（朴素贝叶斯，最大熵，支持向量机），但你必须研究哪个是最准确和最容易实现的。最大的挑战通常是获取准确的培训数据，但如果您愿意将其限制为手动输入的示例列表，则应简化您的实施。
您的示例表明，无论您选择何种算法，都必须支持稀疏数据。换句话说，如果您已经在300个功能上训练了系统，则不需要输入所有300个功能以获得答案。它还会使您的训练和测试文件变小，因为您将省略与某些对象无关的功能。 e.g。
sky | color:blue,location:up
tree | has_bark:true,has_leaves:true,is_an_organism=true
cat | has_fur:true,eats_mice:true,is_an_animal=true,is_an_organism=true
它可能不是非常有用，因为它是专有的，但是与你想要完成的商业应用程序类似的是网站20q.net，尽管系统会询问问题而不是用户。有趣的是，它是根据用户输入进行“在线”训练的。
维基百科肯定有很多数据，但您可能会发现为您的程序提取数据非常困难。 Cyc的数据更加标准化，但其API具有巨大的学习曲线。另一种选择是语义词典项目Wordnet。它具有几乎所有编程语言的相当直观的API，以及数千个单词的广泛上位词/下位词模型（例如，猫是一种猫/哺乳动物/动物/有机体/物体）。