版权归出版社和原作者所有，链接已删除，请购买正版

用户下载说明：

 

本书将带领读者搭建一个真实、完整的对话机器人。

这个对话机器人的前台采用微信小程序来实现，这是因为微信小程序开发很好简单、门槛低、用户体验好，且便于企业用户将其升级或转为App。中台采用“Apache Tomcat Java”来实现，这样可降低读者的学习成本。后台采用流行的TensorFlow框架来完成对话机器人对话模型的深度学习。如果读者对这些技术不是太熟悉，也不要紧，只要跟着书中的步骤一步步来，即可得到很终的结果。

为了完成这样一个对话机器人，本书先介绍了人工智能基础、自然语言处理基础、对话机器人相关的深度学习技术，以及对话机器人的实现方法。在搭建完对话机器人后，还介绍了各种应用场景下，对话机器人扩展功能的实现方式，包括用户意图识别、情感分析、知识图谱等关键技术。本书很好适合作为初学者入门人工智能技术的自学用书。单纯学习人工智能的理论很枯燥，也很难理解，而在实战...

●篇快速入门

章初识对话机器人2

1.1实例：对话机器人的一个例子2

1.2对话机器人的商业价值3

1.2.1满足人工智能时代的社交需求3

1.2.2宣传商品和服务4

1.2.3提供客户服务4

1.3本书的学习路径图5

1.4对话机器人所需的理论知识7

1.4.1构建对话机器人所需的知识体系7

1.4.2理论知识的学习路径图8

第2章对话机器人的系统架构10

2.1产品需求定义10

2.1.1封闭域对话vs开放域对话10

2.1.2本书所定义的产品需求12

2.2产品架构设计13

2.2.1产品整体架构13

2.2.2前端：微信小程序14

2.2.3中台：Apache Tomcat Java15

2.2.4后台：TensorFlow Python16

2.3开发环境准备17

2.3.1申请微信小程序账号17

2.3.2安装微信小程序开发环境20

2.3.3安装Java开发环境20

2.3.4安装Tomcat软件21

2.3.5安装MySQL数据库21

2.3.6安装Python及TensorFlow开发环境21

2.3.7购买配置中台以及后台服务器22

第2篇理论基础

第3章人工智能基础26

3.1入门知识：分类任务26

3.1.1从二分类任务说起26

3.1.2特征及特征提取27

3.1.3如何分类：训练分类器29

3.1.4感知器31

3.1.5支持向量机33

3.1.6多类别分类34

3.2人工神经网络的工作原理35

3.2.1为什么需要人工神经网络35

3.2.2人工神经网络如何工作37

第4章自然语言处理基础42

4.1自然语言处理的发展42

4.1.1从规则引擎到概率统计42

4.1.2自然语言处理要解决的问题44

4.2基于概率统计的解题思路46

4.2.1语音识别46

4.2.2中文自动分词48

4.2.3文本匹配49

4.2.4机器翻译51

第5章与对话机器人相关的深度学习53

5.1词向量53

5.1.1基本概念53

5.1.2词向量的意义及语言模型55

5.1.3Skip-Gram模型56

5.1.4CBOW模型58

5.1.5词向量的实现方式59

5.1.6词向量的应用61

5.2Encoder-Decoder模型61

5.2.1Encoder-Decoder模型的工作原理61

5.2.2Attention模型63

5.3BERT模型64

5.3.1从词向量到BERT：预训练技术的发展简史64

5.3.2BERT模型的运作机制65

5.3.3BERT模型的意义67

第6章对话机器人的实现方式68

6.1实现对话机器人的主流技术68

6.1.1基于人工模版的技术68

6.1.2基于检索的技术69

6.1.3基于机器翻译的技术71

6.1.4基于深度学习的技术72

6.2对话管理73

6.2.1对话管理的主要任务74

6.2.2对话管理的实现方法75

6.2.3基于结构的方法76

6.2.4基于规则的方法76

6.2.5基于统计的方法77

第3篇动手实战

第7章前端：对话机器人的用户界面80

7.1创建对话机器人小程序80

7.1.1新建对话机器人小程序80

7.1.2代码构成82

7.1.3小程序调试83

7.2对话机器人小程序开发及测试83

7.2.1用户界面设计84

7.2.2实战：开发主页面84

7.2.3实战：添加对话框85

7.2.4实战：添加录音、输入框、发送按钮86

7.2.5实战：添加功能代码87

第8章中台：数据和服务管理93

8.1创建对话机器人的中台项目93

8.1.1新建中台项目93

8.1.2准备开发功能95

8.2编写中台功能代码97

8.2.1实战：创建小程序信息处理接口SendMessageService97

8.2.2实战：创建语音对话接口SendAudioService103

第9章后台：对话服务114

9.1准备数据114

9.1.1及安装语料库114

9.1.2实战：文本预处理115

9.1.3实战：生成词向量117

9.1.4实战：生成训练和测试数据120

9.2建立模型122

9.2.1实战：加载预处理好的词向量122

9.2.2实战：建立模型126

9.3训练及测试模型128

9.3.1实战：训练和测试模型128

9.3.2实战：验证模型的效果130

9.4前台、中台、后台系统集成136

9.4.1实战：创建后台对话服务137

9.4.2实战：联合调试前台、中台、后台程序139

第4篇扩展应用

0章任务型机器人142

10.1任务型机器人的概念和实现方式142

10.1.1任务型机器人的架构142

10.1.2自然语言理解模块143

10.1.3对话管理模块144

10.1.4自然语言生成模块145

10.2实战：创建一个任务型机器人145

10.2.1实战：准备任务型机器人所需的数据145

10.2.2实战：创建任务型机器人模型146

1章情感分析155

11.1基本概念和实现方式155

11.1.1什么是情感分析155

11.1.2实现方式之一：基于词典的方法156

11.1.3实现方式之二：基于机器学习的方法158

11.2实战：基于深度学习的情感分析158

11.2.1实战：准备情感分析所需的数据158

11.2.2实战：创建情感分析模型166

2章客服机器人

12.1客服机器人的工作原理及关键技术178

12.2知识图谱179

12.2.1知识图谱的概念179

12.2.2知识图谱的构建原则181

12.2.3知识图谱的构建方式182

12.2.4知识图谱之命名实体识别184

12.2.5知识图谱之关系抽取185

12.3【实战】创建一个使用知识图谱的客服机器人186

12.3.1总体架构186

12.3.2准备知识图谱187

12.3.3识别用户意图和语义187

12.3.4基于知识图谱做出反应189