亲密接触人工智能——从零搭建对话机器人 pdf epub mobi txt 电子书 下载 2025

想要找书就要到 小美书屋

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

《亲密接触人工智能——从零搭建对话机器人》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非常简单、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。后台采用最为流行的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，即可得到最终的结果。

为了完成这样一个对话机器人，《亲密接触人工智能——从零搭建对话机器人》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。本书非常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，而在实战中学习，则有趣得多，也容易理解。

周德标

IBM Watson Health大中华区首席运营官

负责Watson Health在大中华区发展战略的规划制定、合作伙伴关系维护，以及项目落地工作。

在此之前历任IBM大中华区董事长执行助理，支持集团战略的规划，制定和执行工作；IBM全球企业咨询服务部医疗医药行业负责人，负责医疗及医药板块的市场战略制定和执行，对咨询服务的销售额和利润等经营指标负责。

拥有将人工智能技术应用于医疗、医药领域的丰富经验，对于自然语言处理和深度学习有很深的造诣，曾指导实施众多行业领先解决方案。

在日常工作的同时，于2008 - 2011年在早稻田大学任教，教授大数据分析和模型构建课程；目前在四川大学及中国科学院大学开设“人工智能及应用”课程。

拥有单独申请的专利认证，在国外专业期刊上发表过学术论文。

————第1篇快速入门
第1章 初识对话机器人
1.1 体验对话机器人 / 002
1.2 对话机器人的商业价值 / 003
-1.2.1 满足人工智能时代的社交需求 / 003
-1.2.2 宣传商品和服务 / 004
-1.2.3 提供客户服务 / 004
1.3 本书的学习路径图 / 005
1.4 对话机器人所需的理论知识 / 007
-1.4.1 构建对话机器人所需的知识体系 / 007
-1.4.2 理论知识的学习路径图 / 007
第2 章 对话机器人的系统架构
2.1 定义产品需求 / 009
-2.1.1 封闭域对话/ 开放域对话 / 009
-2.1.2 本书所定义的产品需求 / 011
2.2 设计产品架构 / 013
-2.2.1 产品整体架构 / 013
-2.2.2 前台：微信小程序 / 014
-2.2.3 中台：Apache Tomcat+Java / 015
-2.2.4 后台：TensorFlow+Python / 016
2.3 准备开发环境 / 016
-2.3.1 申请微信小程序账号 / 016
-2.3.2 下载并安装微信小程序开发环境 / 019
-2.3.3 下载并安装Java 开发环境 / 019
-2.3.4 下载并安装Tomcat 软件 / 019
-2.3.5 下载并安装MySQL 数据库 / 019
-2.3.6 下载并安装Python 及TensorFlow 开发环境 / 019
-2.3.7 购买配置中台及后台服务器 / 020
————第2篇 理论基础
第3 章 人工智能基础
3.1 二分类任务 / 024
-3.1.1 特征及特征提取 / 025
-3.1.2 分类 / 027
-3.1.3 感知机 / 029
-3.1.4 支持向量机 / 031
3.2 多类别分类 / 033
3.3 人工神经网络的工作原理 / 034
-3.3.1 为什么需要人工神经网络 / 035
-3.3.2 人工神经网络如何工作 / 036
第4 章 自然语言处理基础
4.1 自然语言处理的发展 / 041
-4.1.1 从规则引擎到概率统计 / 041
-4.1.2 自然语言处理要解决的问题 / 044
4.2 基于概率统计的解题思路 / 045
-4.2.1 语音识别 / 045
-4.2.2 中文自动分词 / 048
-4.2.3 文本匹配 / 050
-4.2.4 机器翻译 / 051
第5 章 与对话机器人相关的深度学习技术
5.1 词向量 / 053
-5.1.1 基本概念 / 053
-5.1.2 词向量的意义及语言模型 / 055
-5.1.3 Skip-Gram 模型 / 056
-5.1.4 CBOW 模型 / 058
-5.1.5 词向量的实现方式 / 060
-5.1.6 词向量的应用 / 061
5.2 Encoder-Decoder 模型 / 061
-5.2.1 Encoder-Decoder 模型的工作原理 / 062
-5.2.2 Attention 模型 / 064
5.3 BERT 模型 / 065
-5.3.1 从词向量到BERT——预训练技术的发展简史 / 065
-5.3.2 BERT 模型的运作机制 / 066
-5.3.3 BERT 模型的意义 / 068
第6 章 对话机器人的实现方式
6.1 实现对话机器人的主流技术 / 069
-6.1.1 基于人工模板的技术 / 069
-6.1.2 基于检索的技术 / 070
-6.1.3 基于机器翻译的技术 / 072
-6.1.4 基于深度学习的技术 / 073
6.2 对话管理 / 075
-6.2.1 对话管理的主要任务 / 075
-6.2.2 对话管理的实现方法 / 077
-6.2.3 基于结构的方法 / 077
-6.2.4 基于规则的方法 / 078
-6.2.5 基于概率统计的方法 / 078
————第3篇 动手实战
第7 章 前台：对话机器人的用户界面
7.1 创建对话机器人小程序 / 082
-7.1.1 新建对话机器人小程序 / 082
-7.1.2 了解小程序的代码构成 / 084
-7.1.3 调试小程序 / 085
7.2 开发及测试对话机器人小程序 / 086
-7.2.1 【实战】开发主页 / 086
-7.2.2 【实战】添加对话框 / 088
-7.2.3 【实战】添加“录音”按钮、输入框、“发送”按钮 / 089
-7.2.4 【实战】添加功能代码 / 090
第8 章 中台：数据和服务管理
8.1 创建对话机器人的中台项目 / 097
8.1.1 新建中台项目 / 097
8.1.2 准备开发功能 / 099 8.2 编写中台功能代码 / 101
8.2.1 【实战】创建小程序信息处理接口SendMessageService / 101
8.2.2 【实战】创建语音对话接口SendAudioService / 107
第9 章 后台：对话服务
9.1 准备数据 / 119
-9.1.1 下载及安装语料库 / 119
-9.1.2 【实战】预处理文本 / 120
-9.1.3 【实战】生成词向量 / 123
-9.1.4 【实战】生成训练和测试数据 / 126
9.2 建立模型 / 128
-9.2.1 【实战】加载预处理好的词向量 / 128
-9.2.2 【实战】具体建立模型 / 132 9.3 训练及验证模型 / 134
-9.3.1 【实战】训练模型 / 134
-9.3.2 【实战】验证模型的效果 / 136
9.4 集成前台、中台和后台 / 143
-9.4.1 【实战】创建后台对话服务 / 143
-9.4.2 【实战】联合调试前台、中台、后台程序 / 146
————第4篇 扩展应用
第10 章 任务型机器人
10.1 任务型机器人的概念和实现方式 / 148
-10.1.1 任务型机器人的架构 / 148
-10.1.2 自然语言理解模块 / 149
-10.1.3 对话管理模块 / 150
-10.1.4 自然语言生成模块 / 151
10.2 【实战】创建一个任务型机器人 / 151
-10.2.1 准备任务型机器人所需的数据 / 151
-10.2.2 创建任务型机器人模型 / 153
第11 章 情感分析
11.1 基本概念和实现方式 / 163
-11.1.1 什么是情感分析 / 163
-11.1.2 实现方式一：基于词典的方法 / 164
-11.1.3 实现方式二：基于机器学习的方法 / 166
11.2 【实战】基于深度学习的情感分析 / 166
-11.2.1 准备情感分析所需的数据 / 166
-11.2.2 创建情感分析模型 / 175
第12 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
· · · · · · (收起)