机器翻译过程：在翻译之前，必须掌握两种语言的大量词汇和语法，机器也是一样，必须储存有大量的机器词典和机器语法，先要查词典来得到词的意义和基本的语法特征，如果查到的词不止一个意义，那就需要按照上下文中显示出的语境来选择所需要的意思。在弄清这两步后，就要确定各个词的关系地位，然后根据要求汇成译文（包括改变次序和修辞等）,翻译过程一般包括原文输入、原文分析、译文整理和译文输出四个步骤[11]。

2  智能聊天对话系统的基础知识和相关技术

2。1  智能问答系统的衍生

传统的问答系统是人工智能范畴中的一个应用，一般受限于一个非常狭窄专门的范围，基本是以人为制造编制的知识库增添一个自然语言接口，因此使得词汇的总体“量”受限制，他的语句以及语用的歧义困难就能够达到有成效的掌握管理[12]。但是问题是能够预先测定的，乃至封闭的集合，返回对应的结果一定是无可厚非的，但是这样就完全没有实用的可能和产业价值。产业意义上的开放式问答系统是伴随计算机网络的进展和搜索引擎的广泛应用应运而生的。问答系统是要解决的关键点是信息搜索，input的是question，output的是answer。而后，传统背景下的智能告别时代不再风行，取而代之的是大范围的以与事实相符的语料库作为根基的机器统计研究[13]。语义规则依旧运用于。但愈来愈多的使用者反映粗劣的搜索答案不满失望，大众需要搜索答案精良。下一章有仔细说明。文献综述

众所周知WH的重要性：who/what/when/where/how/why（Who did what when, where, how and why?）。 抓住了这些WH，也就抓住了文章的中心内容。模仿人类的学习理解习惯，问答系统的主旨重心就是解决答复这些问题。应当留意的是，这些什么/怎样的提问难易掺杂，但是总体上可分两类：一部分是什么/怎么样相对的是实体专用名称，例如 who/when/where，通常来讲这类问题的解决回复比较简单，研究技术已然发展健全。相反一种提问截然相反，例如what/how/why，解答这种提问算得上对于问答学术界的挑衅。简单介绍一下这三大难题如下[14]。

1。 What is X？类型的问题是所谓定义问题，譬如 What is iPad II? (也包括作为定义的who：Who is Bill Clinton?) 。这一类问题的特点是问题短小，除去问题词What与联系词 is 以外 ，仅仅 X 当做input，十分不利于固有的关键词查找。答复这种问题的底线是必须有一定义有外延以及种属的语句。由于任何人或物体都是处在与其他实体的多重关系之中，如果想要完全通晓某实体，相对圆满地回复某个问题，单就一条简单的定义是无法达到要求的，最佳的方法是聚集这个实体的要点信息，然后给出一个多方面的概括，才可以说真正回答了 What/Who is X 。

2。 “How”同样不好返回结果，他要做的是搜处理方法。针对一样的问题，通常有很多种解决方法，例如到达一个目的地，可以走各条路线，也可以乘坐不同交通工具。总而言之，圆满的解决这种类别的问题就成为最难回答的提问之一。

3。 “Why”这种提问，是想得出一个情况的原因或者动机。其中的原因有明显的表示，但是更多是暗含或者晦涩的说明，并且所有的原因大多不可以用词语或者是短句可以阐述明白。找出适当的答案并且整理后返回给使用者，显然成为大的困难所在。

2。2  开发语言Java

2。2。1  Java版本

由和构成，应用编程接口中提供独立于操作系统的接口，安装Java平台后，编译一次，在各种系统中Java应用程序就可以运行。Java分为标准版Java SE、企业版Java EE和微型版Java ME三个版本。 Android智能对话聊天系统设计(4):http://www.youerw.com/jisuanji/lunwen_96839.html