人工智能之从零开始搭建一个对话机器人系统-图书

推荐0
收藏2
浏览1.2K

人工智能之从零开始搭建一个对话机器人系统

周德标 (作者)　

书　　号：978-7-121-37287-2
出版日期：2019-10-17
页　　数：204
开　　本：16(185*235)
出版状态：上市销售
维护人：吴宏伟

纸质版￥69.00

对话系统是人工智能应用的一个重要领域。
本书将讲解如何自己搭建一个对话机器人系统。首先讲解对话机器人系统的入门知识、基础理论，然后讲解怎么搭建一个通用的对话框系统，最后再完善这个系统，成就三个实际应用的机器人系统。

手把手带您搭建一个真实而完整的对话机器人

科学的真相往往简单直白。很多时候只是因为探索的道路太为曲折艰难，以至于人们觉得科学非常深奥难懂。人工智能也是如此。一说到信息熵、隐含马尔可夫模型、贝叶斯网络、蒙特卡罗树搜索、神经网络等，这话就没法再聊下去了。
化繁为简是学习知识的好方法。本书旨在帮助对人工智能抱有兴趣，但是却不知从何开始的读者从零开始，逐步深入的学习人工智能技术。之所以选择对话机器人这个题目，一是因为其应用场景极为广泛并且贴近生活：小到家里有的智能音箱，大到企业用的客服机器人，用到的都是对话机器人的技术；另一方面，虽然本书的门槛很低，却不想仅仅停留在入门的水平。对话机器人所使用的自然语言处理技术号称是人工智能这顶皇冠上的明珠，通过本书的学习，可以帮助读者登堂入室之后，迅速提高对于人工智能技术的理解，然后可以细细领略自然语言处理技术的光芒。
人工智能技术能否为社会发展带来价值，完全取决于商业化应用的成功与否，对话机器人也是如此。本书注重通俗易懂，尽可能减少了晦涩难懂的数学公式，与此相反，本书以对话机器人为例，详尽的介绍了如何实现一款完整的人工智能应用，并且分享了所使用的数据以及代码，方便读者用于学习和工作之中。另外，我在本书中提供了微信公众号《周教授谈人工智能》的链接，读者可以在此找到更多的学习资源，也可以通过公众号和我直接交流。
这本书的诞生，凝聚了我自己长时间的努力和来自四面八方的帮助。在IBM Watson Health的工作经历使得我在关心人工智能技术研究的同时，也非常关注技术的商业化。
在本书的写作以及出版过程中，我得到了众多领导和朋友们的大力帮助。在此我要感谢IBM大中华区集团董事长陈黎明先生为我所作的序言，没有IBM这家伟大公司提供的平台，我很难有机会去深入实践人工智能应用。我也要感谢著名钢琴家宋思衡先生，他与人工智能杰出的同台演出让我在享受音乐的同时，更增加了对于“人机共行”的信心。
人工智能要成功应用于行业，少不了行业专家的智慧，我要感谢好友孙岱倩女士、张浩群先生、周强先生的建议，提醒我站在读者角度看待问题。除此之外，我也要感谢倪光南院士、张群华院长、董建成教授撰写的推荐语，这些对我是莫大的鼓励。最后，我要特别感谢电子工业出版社的吴宏伟老师，在整个写作以及出版过程中，兢兢业业一丝不苟的帮助我完成了本书。

第1篇快速入门
第1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 + Java 15
2.2.4 后台：TensorFlow + Python 16
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 下载安装微信小程序开发环境 20
2.3.3 下载安装Java开发环境 20
2.3.4 下载安装Tomcat软件 21
2.3.5 下载安装MySQL数据库 21
2.3.6 下载安装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
5.1.3 Skip-Gram模型 56
5.1.4 CBOW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
5.2 Encoder-Decoder模型 61
5.2.1 Encoder-Decoder模型的工作原理 61
5.2.2 Attention模型 63
5.3 BERT模型 64
5.3.1 从词向量到BERT：预训练技术的发展简史 64
5.3.2 BERT模型的运作机制 65
5.3.3 BERT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SendMessageService 97
8.2.2 实战：创建语音对话接口SendAudioService 103
第9章后台：对话服务 114
9.1 准备数据 114
9.1.1 下载及安装语料库 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
第10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
第11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