为了模拟合理个性化，我们使用一个对话机器人ALICE。ALICE是一个由ALICE AI基金支持的开源项目。ALICE使用AIML来维护存有可能的用户输入的数据库。用户的输入要符合AIML的条目，这样一个相关的回答就产生了。最简单的AIML条目如下所示：

＜category＞

＜pattern＞你叫什么名字（What is your name）？＜/pattern＞

＜template＞我叫爱丽丝，很高兴见到你（My name is ALICE，nice to meet you！）＜/tem-plate＞

＜category＞

所有的AIML分类并不是基于例子中的死板的匹配。AIML使用了不同的标签来引入回答中的随机性，记录有限的对话历史，同时也允许象征性地删除。虽然AIML不使用任何依据造句规则或是语义的语言分析技术，嵌入AIML中的特性使ALICE看起来绝不仅仅像一个基于一系列可能输入和回答的模式匹配程序。这可以让用户处于具有一定可信度的对话中。虽然设计AIML的初衷仅仅是为了完善一个对话应用，AIML也可以解决一些来自于用户的特定领域的问题，例如一个销售员或是一个虚拟接待员。

可以注意到，当前自然语言处理的状态不能很方便地把对话和情感联系到一起。这样，将AIML扩展到可以在回答中包括情感标签。这些标签本质上代表了虚拟人可能的情感状态。现在我们使用前面叙述中介绍的24个情感标签。我们很容易扩展现有的列表。引入无聊（Bored）、思索（Thinking）、沮丧（Frustration）作为新的标签是非常有益的，这些标签可以分别隶属于悲伤、中性和生气的表情分类里。考虑一个特定的回答“我最近很忙（I am very busy nowadays）”。这句回答可以被赋予骄傲或是悲伤的情绪。这样，可以将概率值赋给这些可能的情感。对于这句话，将骄傲的概率设为30%，将悲伤的概率设为70%。相关的AIML分类如下所示：

＜category＞

＜pattern＞你在做什么（What are you doing）？＜/pattern＞

＜template＞＜emo name=″pride″prob=″30″＞＜emo name=″distress″prob=″70″＞我最近很忙（I am very busy nowadays）.＜/template＞

＜/category＞(www.daowen.com)

情感标签的引入并不是一个繁琐的任务，根据回答语句的含义，设想不同的情景产生不同的情感是必需的。一种回答比如“很高兴听你这么说（I am happy to hear that）”几乎可以赋予100%高兴的概率。这就可以保证，高兴作为一种具有更高概率的可能结果，最终经过情感处理而表现出来。接下来，我们就可以解释这些标签及其相关的概率是如何根据个性化和情绪模型来处理的，从而最终产生一定的情感状态。

为了给每一个标签引入可能的回答，可以考虑在将来的系统中设计一个交互工具。这个工具应该做到很便捷，并且迅速地设计出情感AIML。为了提高对话的自然程度，也可以考虑对AIML进行进一步的改动。在建立AIML数据库时，不需要对一个单一的回答赋予不同的情感，而是应该将重点放在输入带有不同情感的不同回答。举例说明，一个典型的经过修改的AIML分类如下所示：

＜category＞

＜pattern＞你最近怎么样（How are you）？＜/pattern＞

＜template＞

＜emo name=″高兴（joy）″prob=″50″res=″我很好，谢谢（I am fine，thank you）.″＞

＜emo name=″悲伤（sadness）″prob=″50″res=″不太好（Not so good today）！″＞

＜/template＞

＜/category＞

个性化和情绪处理模块将对此情感标签进行处理。这样，处理的过程不仅可以产生一种合适的情感，同时也可以产生一种与该情感相关的回答。将来，可以考虑用一种更复杂的语言分析模块来替代ALICE。这样的模块应该可以根据语义、上下文以及对话历史，以更加连贯的方式来产生情感标签。