亲密接触人工智能――从零搭建对话机器人

图书标准信息

• 作者 周德标 著
• 出版社 电子工业出版社
• 出版时间 2019-10
• 版次 1
• ISBN 9787121372872
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 204页

【内容简介】

本书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，本书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。

 

【作者简介】

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。

 

 

 

【目录】

-----------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