聚类的，加人工同义词剪枝

复杂一点可以加上语义分析。就是在特定的环境下理解对话的含义。比如“头疼”在求医过程应该是医生或者科室，而朋友聊天也许就是个感叹

简单就是分词后有关联的词作关联处理

这种要做自然语言理解了。搜索 nlu。主要是文本分类和关键词抽取。

@nikoloss @geniusfox @maomao @teddyinfi 那各位的思路，就是要自然语言做处理，“我饿了”，然后把“我”，“饿”之类这种关键词次提取出来。 然后数据库就得手动设置，例如“饭店信息”和“饿”关联起来。 这样处理的话，那就需要人工调整关键词和信息的匹配了，那工作量不就非常的大，而且总有遗漏的。 例如，平常的人，都会搜“我饿了”，但是有一天，有个人搜索“I am hungry”那就会出现数据不匹配的情况，那到时候，就在手动增加，就需要这样相关操作才行了。

要用机器学习的一些算法来训练模型了。新增的样本就添加训练数据，重新训练模型。

这就是聚类要解决的，就是你只需要提供大量的文本，并把其中的几个文本标注成“找美食”，“看病”等 tag。机器会根据你最开始标注的几条进行归类，然后在这个过程中，你在稍微干预一下，让它分类的更加准确。这样训练出来的 output 叫做“模型”。把模型带到线上，碰到新的文本，只需要放到模型里面跑，它就会 output 一个 tag，比如“看病”。

这就要涉及到那些公司说的大数据了，自动关联什么的