親密接觸人工智能：從零搭建對話機器人

第1篇 快速入門
第1章 初識對話機器人\t2
1．1 實例：對話機器人的一個例子\t2
1．2 對話機器人的商業(yè)價值\t3
1．2．1 滿足人工智能時代的社交需求\t3
1．2．2 宣傳商品和服務\t4
1．2．3 提供客戶服務\t4
1．3 本書的學習路徑圖\t5
1．4 對話機器人所需的理論知識\t7
1．4．1 構建對話機器人所需的知識體系\t7
1．4．2 理論知識的學習路徑圖\t8
第2章 對話機器人的系統(tǒng)架構\t10
2．1 產(chǎn)品需求定義\t10
2．1．1 封閉域對話vs開放域對話\t10
2．1．2 本書所定義的產(chǎn)品需求\t12
2．2 產(chǎn)品架構設計\t13
2．2．1 產(chǎn)品整體架構\t13
2．2．2 前端：微信小程序\t14
2．2．3 中臺：Apache Tomcat + Java\t15
2．2．4 后臺：TensorFlow + Python\t16
2．3 開發(fā)環(huán)境準備\t17
2．3．1 申請微信小程序賬號\t17
2．3．2 下載安裝微信小程序開發(fā)環(huán)境\t20
2．3．3 下載安裝Java開發(fā)環(huán)境\t20
2．3．4 下載安裝Tomcat軟件\t21
2．3．5 下載安裝MySQL數(shù)據(jù)庫\t21
2．3．6 下載安裝Python及TensorFlow開發(fā)環(huán)境\t21
2．3．7 購買配置中臺以及后臺服務器\t22
第2篇 理論基礎
第3章 人工智能基礎\t26
3．1 入門知識：分類任務\t26
3．1．1 從二分類任務說起\t26
3．1．2 特征及特征提取\t27
3．1．3 如何分類：訓練分類器\t29
3．1．4 感知器\t31
3．1．5 支持向量機\t33
3．1．6 多類別分類\t34
3．2 人工神經(jīng)網(wǎng)絡的工作原理\t35
3．2．1 為什么需要人工神經(jīng)網(wǎng)絡\t35
3．2．2 人工神經(jīng)網(wǎng)絡如何工作\t37
第4章 自然語言處理基礎\t42
4．1 自然語言處理的發(fā)展\t42
4．1．1 從規(guī)則引擎到概率統(tǒng)計\t42
4．1．2 自然語言處理要解決的問題\t44
4．2 基于概率統(tǒng)計的解題思路\t46
4．2．1 語音識別\t46
4．2．2 中文自動分詞\t48
4．2．3 文本匹配\t49
4．2．4 機器翻譯\t51
第5章 與對話機器人相關的深度學習\t53
5．1 詞向量\t53
5．1．1 基本概念\t53
5．1．2 詞向量的意義及語言模型\t55
5．1．3 Skip-Gram模型\t56
5．1．4 CBOW模型\t58
5．1．5 詞向量的實現(xiàn)方式\t59
5．1．6 詞向量的應用\t61
5．2 Encoder-Decoder模型\t61
5．2．1 Encoder-Decoder模型的工作原理\t61
5．2．2 Attention模型\t63
5．3 BERT模型\t64
5．3．1 從詞向量到BERT：預訓練技術的發(fā)展簡史\t64
5．3．2 BERT模型的運作機制\t65
5．3．3 BERT模型的意義\t67
第6章 對話機器人的實現(xiàn)方式\t68
6．1 實現(xiàn)對話機器人的主流技術\t68
6．1．1 基于人工模版的技術\t68
6．1．2 基于檢索的技術\t69
6．1．3 基于機器翻譯的技術\t71
6．1．4 基于深度學習的技術\t72
6．2 對話管理\t73
6．2．1 對話管理的主要任務\t74
6．2．2 對話管理的實現(xiàn)方法\t75
6．2．3 基于結構的方法\t76
6．2．4 基于規(guī)則的方法\t76
6．2．5 基于統(tǒng)計的方法\t77
第3篇 動手實戰(zhàn)
第7章 前端：對話機器人的用戶界面\t80
7．1 創(chuàng)建對話機器人小程序\t80
7．1．1 新建對話機器人小程序\t80
7．1．2 代碼構成\t82
7．1．3 小程序調試\t83
7．2 對話機器人小程序開發(fā)及測試\t83
7．2．1 用戶界面設計\t84
7．2．2 實戰(zhàn)：開發(fā)主頁面\t84
7．2．3 實戰(zhàn)：添加對話框\t85
7．2．4 實戰(zhàn)：添加錄音、輸入框、發(fā)送按鈕\t86
7．2．5 實戰(zhàn)：添加功能代碼\t87
第8章 中臺：數(shù)據(jù)和服務管理\t93
8．1 創(chuàng)建對話機器人的中臺項目\t93
8．1．1 新建中臺項目\t93
8．1．2 準備開發(fā)功能\t95
8．2 編寫中臺功能代碼\t97
8．2．1 實戰(zhàn)：創(chuàng)建小程序信息處理接口SendMessageService\t97
8．2．2 實戰(zhàn)：創(chuàng)建語音對話接口SendAudioService\t103
第9章 后臺：對話服務\t114
9．1 準備數(shù)據(jù)\t114
9．1．1 下載及安裝語料庫\t114
9．1．2 實戰(zhàn)：文本預處理\t115
9．1．3 實戰(zhàn)：生成詞向量\t117
9．1．4 實戰(zhàn)：生成訓練和測試數(shù)據(jù)\t120
9．2 建立模型\t122
9．2．1 實戰(zhàn)：加載預處理好的詞向量\t122
9．2．2 實戰(zhàn)：建立模型\t126
9．3 訓練及測試模型\t128
9．3．1 實戰(zhàn)：訓練和測試模型\t128
9．3．2 實戰(zhàn)：驗證模型的效果\t130
9．4 前臺、中臺、后臺系統(tǒng)集成\t136
9．4．1 實戰(zhàn)：創(chuàng)建后臺對話服務\t137
9．4．2 實戰(zhàn)：聯(lián)合調試前臺、中臺、后臺程序\t139
第4篇 擴展應用
第10章 任務型機器人\t142
10．1 任務型機器人的概念和實現(xiàn)方式\t142
10．1．1 任務型機器人的架構\t142
10．1．2 自然語言理解模塊\t143
10．1．3 對話管理模塊\t144
10．1．4 自然語言生成模塊\t145
10．2 實戰(zhàn)：創(chuàng)建一個任務型機器人\t145
10．2．1 實戰(zhàn)：準備任務型機器人所需的數(shù)據(jù)\t145
10．2．2 實戰(zhàn)：創(chuàng)建任務型機器人模型\t146
第11章 情感分析\t155
11．1 基本概念和實現(xiàn)方式\t155
11．1．1 什么是情感分析\t155
11．1．2 實現(xiàn)方式之一：基于詞典的方法\t156
11．1．3 實現(xiàn)方式之二：基于機器學習的方法\t158
11．2 實戰(zhàn)：基于深度學習的情感分析\t158
11．2．1 實戰(zhàn)：準備情感分析所需的數(shù)據(jù)\t158
11．2．2 實戰(zhàn)：創(chuàng)建情感分析模型\t166