作品简介

对话系统是自然语言处理(NLP)领域的一颗璀璨明珠,它源于专家库系统。从技术的角度讲,它集结了自然语言理解(NLU)技术和自然语言生成(NLG)技术,而自然语言处理又恰恰是人工智能(AI)最难破解的领域。就是在那段时间里,我萌发了要做对话系统的想法。万事开头难,在这个过程中翻阅了不少参考资料,但是发现一个问题,市场上专门写对话系统的书寥寥无几,介绍自然语言处理的专业书籍也特别少。所以只能翻看一些论文,但论文的理论性很强,实操性又太差,对初学者和基础薄弱者来讲很不友好。当时市场上流行的自然语言处理的书籍可以分以下几种类型:第一,经典的教材,如宗成庆老师的《统计自然语言处理》;第二,经典实操教材,如《Python自然语言处理》;第三,经典的翻译教材,如《统计自然语言处理基础》。而讲解中文自然语言处理的实操性的书籍着实太少了。

刘宇,崔燕红,郭师光,党习歌编著

作品目录

  • 推荐序一
  • 推荐序二
  • 前言
  • 第1章 概率统计与应用数学的基础知识
  • 1.1 概率的定义
  • 1.2 条件概率与贝叶斯公式
  • 1.3 随机变量与分布函数
  • 1.4 概率分布与参数估计
  • 1.5 随机过程与马尔可夫模型
  • 1.6 信息熵
  • 1.7 本章小结
  • 第2章 语言模型与多元文法
  • 2.1 词袋模型
  • 2.2 N-Gram模型
  • 2.3 数据平滑
  • 第3章 序列标注模型
  • 3.1 中文分词
  • 3.2 词性标注
  • 3.3 命名实体识别
  • 3.4 序列标注模型
  • 3.5 本章小结
  • 第4章 文本分析
  • 4.1 关键词抽取
  • 4.2 文本分类
  • 4.3 主题模型
  • 4.4 本章小结
  • 第5章 深度学习模型
  • 5.1 基于深度学习的自然语言模型
  • 5.2 卷积网络CNN
  • 5.3 循环网络RNN
  • 5.4 Transformer
  • 5.5 预训练模型
  • 第6章 对话机器人的发展综述
  • 6.1 对话机器人发展史
  • 6.2 人工智能在对话机器人中的应用
  • 第7章 自然语言理解与知识图谱
  • 7.1 知识图谱的表示:三元组模型
  • 7.2 知识抽取
  • 7.3 知识抽取-实体关系抽取:Relation Extraction
  • 7.4 知识图谱的构建
  • 第8章 答案生成与多轮对话
  • 8.1 预测会话与答案生成
  • 8.2 多轮对话
  • 第9章 对话系统的工程架构
  • 9.1 对话系统的工程技术
  • 9.2 对话系统的架构实现
  • 9.3 本章小结
  • 第10章 实战场景之一——客服机器人
  • 10.1 客服机器人架构
  • 10.2 客服机器人设计
  • 10.3 本章小结
  • 第11章 实战场景之二——开放域的QA问答
  • 11.1 开放领域问答机器人的架构
  • 11.2 开放领域问答机器人的开发流程和方案
  • 11.3 开放领域问答机器人的开发案例
  • 第12章 实战场景之三——聊天机器人
  • 12.1 Seq2Seq以及Attention机制
  • 12.2 Beam Search
  • 12.3 基于Seq2Seq的聊天机器人开发流程
  • 12.4 本章小结
展开全部