我的人工智能程序是MySQL语言的存储过程，存放于数据库中，方便直接操作数据表，作为后台。而网页是html、JavaScript（含ajax）、php语言写的，作为前台，用于显示数据。
数据传输过程：index.html（主页）→ ajax技术 → connect.php → MySQL数据库。
html一般是静态网页，但是用了ajax技术（异步JavaScript），html格式的网页就可以连接数据库了，但还要写php程序（connect.php）用于连接数据库。
ajax的好处在于更新数据时不用刷新整个网页，尤其是这种频繁更新数据的网页，如果用户每点一次发送按钮，就要刷新一次网页，那就不好了。

MySQL存储过程：
一、处理流程
enter：进入程序，网页与此连接。
先调用存储过程correct，纠正不规范输入。
如果是可直接处理的句子，调用存储过程direct，快速处理，不用做语义理解。
如果无法直接处理：
调用AskSS找出是否有双句关系的提问词。
如果有双句关系的提问词：双句关系的问答：调用AnswerSS。如果没有回答结果，变为抽象句，再试一次：调用存储过程AnswerAbstract
如果没有双句关系的提问词：调用SplitSS逐句分解，作为一个个的单句处理。
如果最终都没有结果，就回答我不知道，或不知道啦。

correct：纠正不规范输入
英文标点符号变为中文标点符号。
纠正连接词前没写逗号。例如“因为饿了所以吃饭”变为“因为饿了，所以吃饭”
标注连接词语序颠倒，之后处理。例如该先说原因后说结果，但是用户先说结果后说原因，程序需要标注这种颠倒的连接词语序。

direct：可直接处理的信息
判断用户输入的话语，是否包含禁止使用的词语。
电脑可以直接回答的话语，不用分析语法。例如用户输入“你是谁”电脑回答“我是人工智能妹小飞”。还有处理回家、去学校、去商店等转移位置的话语。
判断是否为教导方法。
判断是否为设定自动触发。如果是设定自动触发，调用存储过程TriggerInsert，向表中添加信息。
判断是否为设定“前提条件-事件-后果影响”，如果是，调用存储过程AttributeInsert，向表中添加信息。
虚拟商店系统，人工智能的虚拟人可以在商店买物品。

SplitSS：多句分割成单句
Split的意思是分割，SS是多句话。
把多句话分割成一个个的单句。因为自然语言处理每次只能处理一个单句，所以多句（例如段落）要先分割成一个个的单句。
调用AttributeControl：在“前提条件--事件-后果影响”的句型中，看是否满足前提条件，以及对属性的改变操作。
调用single，开始自然语言处理。
调用InsertSS和AnswerSS，处理有双句前后关系的句子。

single：单句处理框架
调用存储过程：mean、AnswerSingle、ConditionChange。

二、问答
AnswerSingle：单句的回答，单句存入知识表
动态SQL：根据情况，智能拼接成查询指令。疑问词决定select的选择对象，句子中其它成分作为where查询条件。
例如教导“猫吃鼠。”语义理解：主语：猫，谓语动词：吃，宾语：鼠，然后存入知识表。然后用户问“猫吃什么”提问词“什么”出现在宾语位置，说明提问宾语，那么select对象就是宾语。而where查询条件就是主语“猫”和谓语动词“吃”，这样就构成了一条SQL指令，查询结果就是“鼠”。
如果是陈述句，插入到知识表中，作为电脑的新知识。

AskSS：找出提问词和问句的已知条件
S是sentence，表示一句话，那么SS就是多句话。
找出的提问词。例如为什么、所以怎样。判断要提问什么。
找出问句的已知条件。例如“因为饿了，所以怎样”，已知条件是“饿了”。
找出提问词和已知条件，是为后面的问答做准备。

AnswerSS：双句关系的回答
双句回答：双句中（例如猫饿了，所以猫吃鼠），如果有提问词（例如为什么猫吃鼠），以已知句（例如猫吃鼠）作为搜索条件（where），提问词（例如为什么）对应回答句（select）。回答猫饿了。

三、抽象化
abstract：抽象简化
把各个名词抽象化，并组装成抽象句。
例如：猫吃鼠，猫属于动物，鼠属于动物，猫吃鼠变为动物吃动物（全抽象）、动物吃鼠（主语抽象）、猫吃动物（宾语抽象）。
简化：抽象句里，定语（形容词、数词、名词所有格）、副词、时间、地点都不要。

AnswerAbstract：双句关系的抽象句的回答
如果具体句子的方式无法问答，把具体的已知条件句，抽象成三种抽象句：全抽象句、主语抽象句、宾语抽象句，再尝试问答。

belong：归属关系
向归属关系表填入事物的归属关系。

四、属性操作：前提条件、后果影响、自动触发
AttributeInsert：把前提条件、后果影响的信息，插入到表中。

AttributeControl：判断是否符合前提条件，以及对属性值的变化操作。

TriggerInsert：把自动触发的信息，插入到表中。

TriggerControl：按照自动触发的设定，改变属性值，并产生自动触发的事件。

shop：在虚拟世界的商店，小飞给自己买东西。

AttributeYu：机器人小飞的事件。

ObjectThing：查询任何对象的事件。

五、自然语言处理
mean：自然语言处理框架
自然语言处理就是理解一句话中主语是什么、谓语动词是什么、宾语是什么，还有其它语法成分都是什么。
需要先判断出句型，后面才能具体判断出语法成分。例如双宾语结构的句型，就有直接宾语和间接宾语。再例如宾语补足语句型，要判断出宾语补足语。
割掉句头的连接词，例如因为、所以。割掉句尾的多余字，例如吗、啊。割掉句中的多余字：例如了。
调用存储过程：SearchTime、SearchVerb、SearchLeft、SearchO、SearchDO、SearchOC。

SearchTime：找出时间
确定年、月、日、时、分。
把今天、昨天等词转化为具体的日期。
调用存储过程NumConvert，把汉语数字转化为阿拉伯数字。
周末、春季等词也作为时间。

SearchVerb：找动词，判断句型
用游标找出所有动词：游标从动词表中逐一读出每个动词，并判断该动词是否包含在句子里。如果包含，就说明句子里有该动词，整个过程仅耗时0.2秒。
以动词来判断句型：
如果句子只有1个动词：如果有双宾语句型的引导词（例如给、看见），就是双宾语句型，如果没有，就是主谓宾句型。如果有“是”字，就是表语句型。
如果句子有2个动词：如果这两个动词连在一起（中间没有间隔词），则等于一个动词，按1个动词的情况来处理。如果这两个动词没有连在一起，则是两个动词，为宾语补足语句型。这两个动词之间的间隔，就是宾语。例如“我让她跳舞”动词“让”和“跳舞”之间是宾语“她”。
如果句子有3个动词：只有宾语补足语句型有这么多动词。
如果是被动句，调整为主动句结构。
以动词来分割句子：以谓语动词为分割词，把句子分为谓语动词左边句和谓语动词右边句，后面分开处理。

SearchLeft：自然语言处理：谓语动词左边句
找主语、主语的定语（形容词、数词、名词所有格）、副词、地点。
找形容词：调用存储过程SearchAdj。
找名词（名词、名词所有格、地点名词）：调用存储过程SearchNoun。
句子修复：补全省略的主语，把代词替换为指代的具体内容。
找副词：调用存储过程SearchAdv，这里指修饰谓语动词的副词，如果是修饰形容词的副词，直接与形容词合并。

SearchO：自然语言处理：主谓宾句型或表语句型的谓语动词右边句
找宾语、宾语的定语、地点。
O指object，原理与SearchLeft相似，但处理的是谓语动词右边句。

SearchDO：自然语言处理：双宾语句型的谓语动词右边句
找直接宾语、间接宾语、宾语的定语、地点。
DO指Double Object，原理与SearchLeft相似，但要找两个宾语。
区分直接宾语和间接宾语：直接宾语在句子底端，后面没内容了，而间接宾语后面还有内容。例如“我给她苹果。”“苹果”是直接宾语，“她”是间接宾语。如果一个定语，左边是间接宾语，说明这个定语是直接宾语的定语，如果左边没有间接宾语，就是间接宾语的定语。

SearchOC：自然语言处理：宾语补足语句型的谓语动词右边句
找宾语、宾语的定语、宾语补足语、地点。
OC指Object Complex，原理与SearchLeft相似，但处理的是谓语动词右边句。
前面SearchVerb已经找出所有动词，包括宾语补足语动词。宾语补足语动词左边是宾语，右边是宾语补足语的名词部分。

SearchNoun：找出名词
游标找名词、动词、形容词、副词，都要面临一个问题，例如“熊猫”被游标理解为三个名词：熊、猫、熊猫。需要长词（熊猫）覆盖短词（熊），短词（熊）吸收长词（熊猫），这样结果就只有一个名词“熊猫”。
如果名词右边有“的”字，就是名词所有格。如果名词左边有“在/去/到/来/回”等词，说明该名词为地点。
游标找出名词的顺序，不是句子里出现的先后顺序，而是名词表里出现的先后顺序。因此要排序，使之符合句子里出现的先后顺序。
名词之间如果是“和”字、“与”字、顿号，或没有间隔字符，就要连接成一个名词。

SearchAdj：找出形容词

SearchAdv：找出副词

NotVerb：进一步确定到底是不是动词
进一步判断一个动词到底是不是动词。例如“学”字是动词，但在“学生”这个词里作名词。再例如“成”指变成，做动词，但是在“成绩”里做名词。
如果一个词，既可以做动词，也可以作名词。那就看这个词前面是否是定语（尤其是“的”）字，因为定语只能修饰名词。如果这个词后面是“的”字，那个词本身就是定语，而不是动词。

NotAdj：进一步确定到底是不是形容词
进一步判断一个形容词到底是不是形容词。例如“白”字是颜色形容词，但在“莲花白”里做名词。再例如“老”字做形容词，但在“老鼠”里做名词。

NotAdv：进一步确定到底是不是副词
进一步判断一个副词到底是不是副词。例如“太”字是程度副词，但是在“太阳”里做名词。再例如“才”表示刚才，做时间副词，但是在“才能”里做名词。

IsName：确定是不是名字
如果句子中出现姓氏，就要看其左右的字符，来判断到底是不是姓氏。例如“王”字，如果左边的字符是“大”，那么“大王”的“王”显然不是姓氏。
如果姓氏前有“小”字，例如“小蔡”，就构成名词。
姓氏和动词之间的部分就是名字，例如“蔡昊哲爱小飞”，姓氏“蔡”到动词“爱”之间的部分是名字。

NumConvert：汉字型数字转阿拉伯数字
汉字型数字（例如三百六十五）转化为阿拉伯数字（例如365），方便后面加减乘除计算。

InsertSS：双句存入数据表
前后两句话，如果有关系，就是有连接词。例如“猫饿了，所以猫吃鼠。”前后两句话是因果关系，存入双句关系表中。SS表示双句。

六、其它
TimePosition：根据现实世界的时间，来决定网页显示的环境背景图和人物图。

各个表格的作用
noun：名词词库

verb：动词词库

adj：形容词词库

adv：副词词库

verb_judge：进一步判断是不是动词
type_col中l表示left，r表示right
生l1花：如果“生”字左边1个字符是“花”，既花生，那么“生”字就不是动词

adj_judge：进一步判断是不是形容词
老r1师：如果“老”字右边1个字符是“师”，既老师，那么“老”字就不是形容词

other_word：引导双宾语句型的词，数词单位，带“的”字的副词
first_name：姓氏表
sensitive_word：敏感词（不可以用的词，以免人乱说话）

know：知识表：把一个单句，分割为语法词语
subject_col：主语列
verb1_col：谓语动词1列
verb1_col：谓语动词2列
object_col是宾语列，双宾语句型做直接宾语列
indirect_col是间接宾语列，宾语补足语句型做宾语补足语的动词列
adj_subject_col：主语的形容词
adj_object_col：宾语的形容词
adj_indirect_col：间接宾语的形容词
num_subject_col：主语的数词
num_object_col：宾语的数词
num_indirect_col：间接宾语的数词
po_subject_col：主语的名词所有格
po_object_col：宾语的名词所有格
po_indirect_col：间接宾语的名词所有格
adv_col：副词列
time_col：时间列
position_col：位置列
pattern_col：句型列

know2：双句的关系
s1_col：第一句话
s2_col：第二句话
con_col：第一句话和第二句话之间的关系，例如因果

howto：做一件事的方法
做饭：洗菜、切菜、炒菜，那么ask_col是做饭，answer_col是洗菜、切菜、炒菜

attribute：对象的属性
attribute_control：对象属性的形式：前提条件、后果影响

auto_trigger：自动触发的条件和事件

belong：事物的归属关系

setting：系统设置
temp：对象事件临时的表

article：文章表
mes：留言表

网页程序中，各个文件的作用
index.html：主页
connect.php：主页通过ajax方式向mysql传输数据，需要connect.php
2.html：电影院模式的对话界面
a.php：文章阅读界面
b.php：美景模式的阅读界面
condition.php：机器人小飞的状态、物品、事件
condition2.php：机器人小飞所处的场所位置
object.php：查询对象
login.php：登录
manage.php：后台管理
logout.php：登出
code.html：基础训练
mes.php：留言板
style.css：网页样式表，共4个

文件夹：
img：图片文件夹
js：JavaScript文件夹。里面jquery.min.js代码看着很乱，因为min是jquery库的密集压缩形式，是为了减少代码，加快加载速度。jquery库是网页动态特效的常见库
music：音乐文件夹
video：视频文件夹（美景阅读界面的背景视频）
cinema：电影院模式的文件夹
live2d：阅读界面右下角，动态人物（看板娘）的文件夹，live2d是一种绘图软件的名字