智能问答应是未来智能化发展中人机交互的主要方式，目前已广泛应用于开源社区和企业APP应用中。
项目名称为Iveely.Brain，这次的源代码可以在Github的这里下载。是主要用于聊天服务的项目。 以下是这次开源版本的示例。
整个开源版本分为两种模式：本地模式和远程模式。 本地模式是开发环境的调试模式，主要用于测试准确性问题； 远程模式主要适用于正式在线环境，通过默认端口8001 (TCP )提供对外服务。 也可以更改为rest风格的API格式。 智能对话的核心在于聊天资料和知识推理两个部分，知识推理涉及数据分析和知识地图的构建，因此本次开源版重点关注聊天语料库。 下载源代码后，可以修改corpus中的example.aiml以改善聊天素材，如下图所示。
AIML格式是人工智能标记语言，聊天资料主要包括以下类型：
(1)直接匹配模式
category pattern你好/pattern template你好！ /template /category模式在点击“你好”后立即显示“你好！ 返回。
)2)随机匹配模式
category pattern今天天气真好/pattern template random li是啊，天气真好啊。 (/li li不出去吗？ (/沥沥希望每天天气这么好！ /li /random /template /category
-top:0px; padding-bottom:0px; color:rgb(51,51,51); font-family:verdana,Arial,Helvetica,sans-serif; font-size:14px"> 随机模式在命中Pattern之后，将会从template中的li元素中随机选择一条返回。(3) 记忆替代模式
<category> <pattern>你好,我是*</pattern> <template>你好,很高兴认识<star index="1"/>。 </template> </category>记忆替代模式，将会在template中替换star，例如在问“你好，我是能干的糖豆”的时候，则“*”指向的内容是“能干的糖豆”，则返回结果为“你好，很高兴认识能干的糖豆“。<star index=”1”/>表示取用户模糊匹配的第一个*号的内容。
(4) 递归推理模式
<category> <pattern>您好,我是*</pattern> <template> <srai>你好，我是<star index="1"/>。 </srai> </template> </category>递归模式采用”srai“标识，表示不直接返回答案，而是将问题替换为另外一个问题继续寻找。例如用户问”您好，我是能干的糖豆”的时候，template中将会替换为”你好，我是能干的糖豆“的问题，这个问题将会再次在AIML中进行匹配，直至直接返回结果”你好，很高兴认识能干的糖豆“。
(5) 约束匹配模式
<category> <pattern that="你好">你好啊</pattern> <template> <random> <li>你好，我们刚刚说过一遍了。</li> <li>你好，客气啥！</li> </random> </template> </category>上述示例中，并不会直接命中”你好啊“，而是在上一次是匹配的”你好“，当又匹配了”你好啊“才会命中上述category，即上次和当前次的连续匹配。
扩展
上述过程是按照传统的方式进行模式匹配，聊天语料库的构建是一个复杂的过程，可以通过互联网的数据进行分析，借助分布式计算平台分析有效数据，形成新的语料库，将聊天机器人的后端服务扩展。在补充内容源以及加入知识图谱相关的分析之后，可以将该服务应用于移动客户端，改造后的结果如下图所示(对话图中，左边为聊天机器人，右边为用户的提问)：
Iveely Brain是Iveely搜索引擎下基于上下文搜索服务的应用，交互式搜索以及精准性问答是搜索引擎在未来一段时间中的发展趋势，目前行业中出现了不少聊天机器人，但是真正能够把聊天机器人做好的要么是大型互联网公司（Facebook、百度等一类），要么是占据行业优势的企业（银行、政务等一类）。Iveely是“I void everything,except love you！”的简写，包括了Iveely.ComputingIveely.DatabaseIveely.Framework等，或者直接在Maven中搜索“iveely”获得对项目的直接使用。
最后，谢谢一直对Iveely搜索不断关注的同学！