作品简介

Rasa是一款开源的对话机器人框架,能让开发者使用机器学习技术快速创建工业级的对话机器人。得益于丰富的功能、先进的机器学习能力和可以快速上手的特性,Rasa框架是目前流行的开源对话机器人框架。本书首先介绍Rasa的两个核心组件——Rasa NLU和Rasa Core的工作流程;然后详细介绍通过使用Rasa生态系统从头开始构建、配置、训练和服务不同类型的对话机器人的整体过程,如任务型、FAQ、知识图谱聊天机器人等,其中包括使用基于表单(form)的对话管理、ResponseSelector来处理闲聊和FAQ,利用知识库来回答动态查询的问题等,以及自定义Rasa框架,使用对话驱动的开发模式和工具来开发对话机器人,探索机器人能做什么,并通过交互式学习来轻松修复它所犯的任何错误;最后会介绍将Rasa系统部署到具有高性能和高可扩展性的生产环境中,从而建立一个高效和强大的聊天系统。

孔晓泉,谷歌开发者机器学习技术专家(Google Developer Expert in Machine Learning),TensorFlow Addons Codeowner,Rasa SuperHero。多年来一直在世界500强公司带领团队构建机器学习应用和平台。在NLP和对话机器人领域拥有丰富的理论和实践经验。

王冠北京大学学士,香港科技大学硕士,先后于香港应用科技研究院、联想机器智能实验室及瑞士再保险与慕尼黑再保险数据科学团队从事数据建模、计算机图像与NLP的研发工作,发表过数篇相关国际期刊论文,并取得相关专利。当前研究方向为人工智能在金融领域的应用。

作品目录

  • Foreword
  • 推荐序
  • 前言
  • 第1章 人机对话基础和Rasa简介
  • 1.1 机器学习基础
  • 1.2 自然语言处理基础
  • 1.3 人机对话流程
  • 1.4 Rasa简介
  • 1.5 小结
  • 第2章 Rasa NLU基础
  • 2.1 功能与结构
  • 2.2 训练数据
  • 2.3 组件
  • 2.4 流水线
  • 2.5 输出格式
  • 2.6 如何使用Rasa NLU
  • 2.7 实战:医疗机器人的NLU模块
  • 2.8 小结
  • 第3章 Rasa Core基础
  • 3.1 功能与结构
  • 3.2 领域
  • 3.3 故事
  • 3.4 动作
  • 3.5 词槽
  • 3.6 策略
  • 3.7 端点
  • 3.8 Rasa SDK和自定义动作
  • 3.9 Rasa支持的客户端
  • 3.10 实战:报时机器人
  • 3.11 小结
  • 第4章 使用ResponseSelector实现FAQ和闲聊功能
  • 4.1 如何定义用户问题
  • 4.2 如何定义问题的答案
  • 4.3 如何训练Rasa
  • 4.4 实战:构建FAQ机器人
  • 4.5 小结
  • 第5章 基于规则的对话管理
  • 5.1 fallback
  • 5.2 意图触发动作
  • 5.3 表单
  • 5.4 实战:天气预报机器人
  • 5.5 小结
  • 第6章 基于知识库的问答
  • 6.1 使用ActionQueryKnowledgeBase
  • 6.2 工作原理
  • 6.3 自定义
  • 6.4 实战:基于知识库的音乐百科机器人
  • 6.5 小结
  • 第7章 实体角色和分组
  • 7.1 实体角色
  • 7.2 实体分组
  • 7.3 组件支持情况
  • 7.4 实战:订票机器人
  • 7.5 小结
  • 第8章 测试和生产环境部署
  • 8.1 如何测试机器人的表现
  • 8.2 在生产环境中部署机器人
  • 8.3 实战:单机部署高性能Rasa服务
  • 8.4 小结
  • 第9章 Rasa的工作原理与扩展性
  • 9.1 Rasa的工作原理
  • 9.2 Rasa的扩展性
  • 9.3 实战:实现自定义分词器
  • 9.4 小结
  • 第10章 Rasa技巧与生态
  • 10.1 如何调试Rasa
  • 10.2 如何阅读Rasa源代码
  • 10.3 对话驱动开发和Rasa X
  • 10.4 运行交互式学习
  • 10.5 社区生态
  • 10.6 小结
  • 附录A 中英文术语翻译对照表
展开全部