小度智能屏拥有带蓝牙mesh网关，家里原有的智能窗帘、扫地机器人、智能插座等，都可以纳入智能屏的管理中。目前支持做智能控制的品牌有很多，兼容性很高!那么小度小度有什么功能呢？

　　小度智能音响提供了丰富的音乐和声音的播放资源，简单的语音指令即可搜索播放内容。通过与QQ音乐合作，接入了千万级的正版曲库资源，还有与喜马拉雅、蜻蜓FM、懒人听书等内容平台超过3000万档优质的有声节目。还搭载了百度DuerOS人工智能系统，整合了百度百科等百度信息与服务生态优势，可以语音问答；支持蓝牙播放、支持DLNA无线音乐投射等蓝牙无线音箱的播放连接功能；通过语音实现信息查询、语音备忘、闹钟设置、家居控制和日程管理功能，都是可以语音操作；还接入了海尔U+，博联，Lifesmart等知名的智能家居产品；小度日常功能如下：

　　看剧、听戏、听广播、听歌。

　　和家人视频通话、语音留言、一呼可通话。

　　听故事--（可以选择模仿爸妈的声音，有点神奇哦）、听名著，学成语。

　　解答孩子的十万个为什么？

　　设定每日学习计划，小度可以按时提醒，不会忘记。

　　物联网智能控制家层物品，比如窗帘，灯光，热水器，冰箱等智能家电。

　　外出家庭监控、异常警告提示。

　　语音揉控、视频投屏、播放网盘资源。

　　蓝牙连接，听歌追剧，热门有声平台接入（喜马拉雅、得到、懒人听书等）。

　　日常数据搜索（天气、导航、菜谱、路况等）。

　　小度的优势在于，它背靠百度集团，百度就具备百度搜索引擎覆盖的知识问答类的资源，而且百度在Al领域也是国内领先的水平。所以小度本身在知识问答和Al人工指令领域更有优势。

　　小度有些非常实用而且很黑科技的功能：

　　除了听歌，看剧，定闹钟，查天气，问问题之外

　　1，回家看看功能：就是可以通过摄像头，可以随时查看家里的情况。如果老人小孩自己在家，这个功能非常实用，相当于一个家用摄像头。

　　2，看护助手功能：可以监控家里的孩子，宠物，可以抓拍他们的动态，还可以监控他们的情况。

　　3，录音5分钟听爸妈声音讲故事。这个队老人和小孩都很友好，你录个声音，家里人就能听到你说的话和讲故事了。

　　4，儿童模式：这个可以通过童脸识别，自动切换到儿童模式，声音有变化，还可以有各种监控，不良内容过滤等等。更安全，也更健康。

　　小度智能屏的选购建议

　　1，小度智能屏X10：颜值最高，设计感最强，屏幕最大的。

　　这款是个人觉得是小度颜值最高的一款智能音箱，主打的也是颜值，

　　屏幕10.1也够大,是小度屏幕最大的一款，屏幕分辨率是的，也是目前最好的。

　　音质方面。除了8w扬声之外，还有个300cc音腔容积参数加持，音质会更好一些。其他款都没有加持。

　　2，小度智能屏1s：最具性价比的

　　超高性价比款，7寸，，3麦 ，5w扬声，比X8都低了一个档。但是比air和mini高了一个挡。而且比同参数的

　　陪娃，看家，陪老人都可以，

　　而且可以刷抖音，小度在家里面只有X8，X10，还有1s可以刷抖音。

　　3、小度智能屏X8：兼具功能和性价比的旗舰款机型

　　向往生活里那款，各方面都比较优秀，在x10没有出来之前它是配置最高的，各方面最优秀的。X10出来之后虽然不是最优秀的了，但是它兼具了功能和性价比两个优点，价格是X10的一半，功能却不差多少。

　　全家可以共享，各项功能都比较丰富，在小度家族配置也很高。

　　屏幕分辨率，8寸大屏，4个麦克风，8w的扬声器输出功率

　　可以看家，看娃，远程视频

　　自带蓝牙mesh网关，也能控制蓝牙mesh，Wi-Fi，蓝牙通信协议智能家居。

　　小度智能音箱，在以前它只是一个音箱，现在给它加了一个大大的屏幕，现在已经有屏幕版了。智能音箱已经出了很多年了，而且不仅仅是小度这一个品牌，包括亚马逊和其他的大品牌或者小牌。所以大部分人对于智能音箱的作用已经十分了解了。

　　有了智能小度，能够和它语音对话，语音操控音箱，比方说，小度、小度给我放首刘欢的歌。还能跟他聊天，能控制家中的家电，能订闹钟。但是像我这种强迫症患者，虽然用过几次，但是还是比较喜欢用自己的手机定闹钟，一下定个五个闹钟就不怕自己错过重要的事情了。

　　现在出了屏幕版，除了智能音响有的功能都有之外，他还额外加了一个大屏幕。这不仅仅增加了语音呼出任何视频的功能，也增加了一键接通视频的功能、监控空家中情况的功能。比方说小度小度，帮我接通姥姥的视频，然后就是能够像微信上手动拨通姥姥的视频了。比方说开启监控功能，当家里有非法闯入的人时，手机就会报警。

　　加了一个屏幕之后，对于老人和孩子特别友好。想对于我们有一些不太会用智能手机的老人来说，想看什么电视剧，直接对小度说就可以了，或者说想锻炼一下身体，跳个广场舞，直接对小度说就可以了，省去了很多麻烦。

　　对于孩子比较友好，是因为家长可以调节屏幕跟孩子之间的距离和孩子看屏幕的时间，当超出了距离或时间时，小度就会提醒。

　　所以如果说只是想要一个智能音箱，听声音用的，那直接要一个音箱就可以了，因为相对来讲，比带屏幕的会会便宜很多。这样的话，有两款可以选择，一个是超高性价比，一个，外观和音质更加的优秀，只是更加贵一点点。看完小度小度有什么功能的介绍，大家有没有心动呢？

近年来，随着人工智能的快速发展，以人工智能技术为内核的多智能体技术快速发展，同时也有诸多产品相继落地，例如，苹果手机的siri，百度的小度等等。本博文以自己的课程设计为依托，借助于机器学习相关知识，使用python语言编程，实现简易的智能聊天机器人。

随着人工智能技术，物联网技术的快速发展，机器人已经深入至人们生产生活的方方面面。针对于机器人，如何与人类进行智能交互以及根据现实情况或人类指令完成特定任务是机器人设计和制作中非常重要的部分。本博文依托于自己课程设计，重点阐释如何设计机器人与人类进行智能交互以及如何根据人类指令完成特定的任务。

一、智能聊天机器人的框架

项目设计的智能聊天机器人主体依托于“模糊匹配”技术， 同时采用自行构建或网络爬虫的方式构建数据库，借助于tf-idf技术、jieba分词技术处理用户输入，最终调用百度智能语音处理模块或图形化用户交互界面实现智能聊天机器人输出。

为丰富项目功能，项目机器人设计双功能---（1）娱乐聊天（2）高校查询功能，同时提供双输出方式---（1）语音输出（2）图形化用户交互界面，最大程度上减少用户操作的难度，使用户与机器人之间的智能交互更加友好。

二、关键技术分析及代码实现

（1）模糊匹配技术简介：

在计算机科学中，字符串模糊匹配（ fuzzy string matching）是一种近似地（而不是精确地）查找与模式匹配的字符串的技术。换句话说，字符串模糊匹配是一种搜索，即使用户拼错单词或只输入部分单词进行搜索，也能够找到匹配项。因此，模糊匹配也被称为字符串近似匹配。

本项目主体实现主要依据于“模糊匹配”。用户的输入经过一系列格式化处理转换为可以应用的格式后，与事先构建的数据库问题进行匹配，返回匹配程度高的问题对应的答案作为程序输出，同时经过一系列的格式化处理，转换为语音进行文字播报或者输出至图形化用户交互界面中进行文字输出。

（2）模糊匹配代码实现

本实验中采用python的“Fuzzywuzzy模糊字符串匹配工具包”进行问题的匹配，返回二者之间的相似程度，同时设立阈值返回最佳的匹配结果。 代码编写：

TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。

TF-IDF是Term Frequency - Inverse Document Frequency的缩写，即“词频-逆文本频率”，它由两部分组成，TF和IDF。词频 (TF) 指的是某一个给定的词语在该文件中出现的次数。这个数字通常会被归一化(一般是词频除以文章总词数), 以防止它偏向长的文件。

TFw=在某一类中词条w出现的次数/该类中所有的词条数目(1)

逆向文件频率 ( IDF) 的主要思想是：如果包含词条t的文档越少, IDF越大，则说明词条具有很好的类别区分能力。某一特定词语的IDF，可以由总文件数目除以包含该词语之文件的数目，再将得到的商取对数得到。

某一特定文件内的高词语频率，以及该词语在整个文件集合中的低文件频率，可以产生出高权重的TF-IDF。因此，TF-IDF倾向于过滤掉常见的词语，保留重要的词语。

Tf-idf可以不借助至python的任何第三方库自行构建，但由于代码量过于庞大，调用python的sklearn模块进行tf-idf的运算往往是更优的选择。

最后获得训练样本的tf-idf矩阵：

在本项目中引入tf-idf技术的目的在于为后续的朴素贝叶斯分类器服务，朴素贝叶斯无论是训练抑或是预测时，均要求输入必须是数学形式，才能输入至分类器中进行训练和预测，tf-idf的作用便在此体现。

使用python提供的sk-learn模块实现tf-idf算法较为简单，但为解决训练和预测时维度不同的问题，需要针对于程序中两处做简单的改进。

（1）对于训练和预测样本的tf-idf处理均放置在一个函数中完成，可以保证数学矩阵输出时的维度一致性 （2）使用 toarry 函数将tf-idf算法处理得到的稀疏矩阵转换为稠密矩阵，保证维度一致，方便后续进行进一步处理。

（1）结巴分词技术分析：

Jiaba分词是当前应用最广泛的第三方中文分词库，中文文本通过分词获得单个词语，jjieba分词的原理利用一个中文词库，确定汉字之间的关联概率，汉字间概率大的组成词组，形成分词结果，除了分词，用户还可以添加自定义的词组。

Jiaba分词提供三种中文分词模式：

（1）精确分词：把文本精确的切分开，不存在冗余单词

（2）全模式：把文本中所有可能的词语都扫描出来，有冗余

（2）搜索引擎模式：在精确模式基础上，对长词再次进行切分

（2）结巴分词代码实现：

结巴分词代码实现步骤：

然后利用精确分词模式：jieba.cut(s) 代码实现：

在jieba分词处理模块，不仅仅只有分词的处理，同时也包含格式处理，停用词去除等等操作。

jieba中文分词的目的在于为tf-idf的处理做准备，tf-idf算法的计算主要涉及词频的计算，因此在该种情况下，算法要求输入必须为一个个词组成的词频矩阵，因此，必须讲过jieba中文分词处理才能输入至tf-idf模型中进行计算。

而去除停用词的操作则是为样本数据质量的增强，无论是训练数据抑或是用户输入语句均会存在诸多例如“你”“我”“啊”“呀”类似无关紧要的语句语句中的助词，这些词语的存在不但毫无意义，还会增加训练时间在，增加训练成本，因此必须在数据处理的阶段的处理掉。

（1）朴素贝叶斯技术分析：

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。

朴素贝叶斯分类（NBC）是以贝叶斯定理为基础并且假设特征条件之间相互独立的方法，先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入X求出使得后验概率最大的输出Y。

贝叶斯公式中元素解析：

( | )是因子h基于数据d的假设概率,叫做后验概率

( | )是假设h为真条件下的数据d的概率

( )是假设条件h为真的时候的概率（和数据无关），它叫做h的先验概率 ( )数据d的概率，和先验条件无关

在应用贝叶斯公式进行分类判断时，比较的是样本d属于各类 的后验概率，最终样本d归属于后验概率最大的类别。

（2）朴素贝叶斯代码实现：

python中scikit-learn根据不同场景提供了三种常用的朴素贝叶斯算法：

如果样本特征的分布大部分是连续值，使用GaussianNB会比较好。如果样本特征的分大部分是多元离散值，使用MultinomialNB比较合适。如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用BernoulliNB。

本实验根据数据的特点，选择MultinomialNB算法进行分类。

Python应用sklearn实现贝叶斯分类代码实现步骤：

最后使用分类器预测结果：model.predict（）

贝叶斯分类器在本项目中主要应用于对于用户输入进行划分；由于项目机器人提供两种功能：（1）娱乐聊天（2）高校查询，在本项目中实现的方式是分别设计两个数据库，所以需要使用贝叶斯分类器对于用户输入进行分类，以便于匹配不同的数据库已完成更加精准的输出。

（1）网络爬虫技术分析：

爬虫指的是：向网站发起请求，获取资源后分析并提取有用数据的程序；从技术层面来说就是通过程序模拟浏览器请求站点的行为，把站点返回的HTML代码/JSON数据/二进制数据（图片、视频） 爬到本地，进而提取自己需要的数据，存放起来使用。

（1）发起请求： 使用http库向目标站点发起请求，即发送一个request。Request一般包含请求头，请求体

（2）获取相应内容： 如果服务器可以正常响应，则会得到一个response，response包含html，json，图片，视频等等

（3）解析内容： 解析html数据：正则表达式（re模块），第三方的解析库如beautifulsoup，pyquery 解析json数据：json模块 解析二进制数据：以wb的方式写入文件

Beautiful Soup提供一些简单的、Python式的函数来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序。

Beautifulsoup提供简单的抓取网页内容技巧：

（1）find_all（）方法中单独的标签名，如a,会提取网页中所有的a标签，这里要确保是我们所需要的链接a,一般都不是，需要加上条件（就是标签的属性，加上限制筛选），如果这一及标签没有属性，最好往上一级找。

（2）select（）方法可以按标签逐层查找到我们需要的内容，方便与内容定位，避免了单一的标签无法定位到我们所需要的内容元素。

（2）网络爬虫代码实现：

最终利用find_all命令查找目标内容，并提取目标信息存储至文件中，完成数据库的构建

上文中有提到，本项目两种不同的功能分别匹配不同的数据库，针对于娱乐聊天的数据库，由于网络上并无较为完善、完美的数据库可供使用，因此娱乐聊天的数据库采用自行构建的方式；但由于高校查询板块数据要求精准度较高，因此采用网络爬虫的方式获取网络数据，存储至数据库中构建高校查询板块的数据库。

爬虫的小伙伴可以去领取免费的代理IP试一下啦！

国内高质动态IP。时效2-10分钟，注册免费领取一万代理IP。注册地址