聊天机器人：入门、进阶与实战
￥ 11.25 1.4折 ￥ 79 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者刘宇崔燕红郭师光党习歌
出版社机械工业出版社
ISBN9787111637660
出版时间2019-10
版次1
装帧平装
开本16开
纸张胶版纸
定价79元
上书时间2024-12-07
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:聊天机器人：入门、进阶与实战
定价：79.00元
作者:刘宇崔燕红郭师光党习歌
出版社：机械工业出版社
出版日期：2019-10-01
ISBN：9787111637660
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
（1）4位作者都是人工智能和NLP领域的资深专家和从业者，实战经验丰富，在唯品会等公司有大型聊天机器人项目的成功经验。（2）Opus Research首席分析师/创始人Dan Miller与前Oracle自然语言技术总监Jan van Sas联袂推荐。（3）从数学原理、NLP技术、算法与实现、工程架构、实践案例5个维度详细讲解聊天机器人原理、技术与实战。
内容提要
这是一部能指导初学者轻松进入聊天机器人领域并快速实现进阶的实战型著作。4位作者都是资深的NLP技术专家，在聊天机器人领域有丰富的工程实践经验，曾在唯品会等公司有大规模的成功实践。这本书原理、技术、实战3个层面讲解了聊天机器人的数学与统计原理、NLP模型和技术、算法与实现、工程架构，以及案例实践。全书共13章，可分为三大部分。一部分（章） 基础篇简单介绍了数学和统计的基本理论，如概率统计和应用数学等。第二部分（第2~9章） 技术篇着重讲解了NLP的模型和技术，它们是构成对话系统的基础，一些模型可以用在自然语言理解模块（NLU）和自然语言生成模块（NLG），同时帮助读者整理对话系统的工程架构知识。第三部分（0~12章） 实例篇通过对三个典型的对话系统案例的讲解，让读者完整了解架构、设计和实现对话系统的流程和方法。
目录
推荐序一推荐序二前言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2.2N-Gram模型2.2.1N-Gram简介2.2.2N-Gram算法2.2.3N-Gram用途2.3数据平滑2.3.1加法平滑方法2.3.2Good-Turing估计法2.3.3组合平滑方法第3章序列标注模型3.1中文分词3.1.1条件随机场3.1.2条件随机场进行中文分词3.2词性标注3.2.1词性标注的标准3.2.2利用隐马尔可夫进行词性标注3.3命名实体识别3.3.1利用条件随机场模型进行命名实体识别3.3.2命名实体识别在对话系统中的作用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4.1.1词频-逆文档频次算法4.1.2Text Rank4.2文本分类4.2.1贝叶斯文本分类模型4.2.2决策树文本分类模型4.2.3SVM文本分类模型4.3主题模型4.3.1基础知识回顾4.3.2吉布斯采样4.3.3隐狄利克雷分配模型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5.1.1神经网络自然语言模型与词向量5.1.2A Neural Probabilistic Language Model5.1.3CBOW和Skip-Gram5.1.4Huffman编码与Huffman tree5.1.5CBOW-Hierarchical Softmax5.1.6Skip-Gram-Hierarchical Softmax5.1.7FastText5.1.8词的全局向量表示5.2卷积网络CNN5.2.1卷积网络CNN理论5.2.2利用CNN进行文本分类5.3循环网络RNN5.3.1循环网络RNN（LSTM，GRU）理论5.3.2利用RNN 进行情感分析5.3.3Sequence-to-Sequence with Attention Model5.4Transformer5.4.1ResNet（Residual Network）残差网络模型5.4.2Attention is all you need（Transformer）5.5预训练模型5.5.1Embeddings from Language Models（ELMo）5.5.2BERT第6章对话机器人的发展综述6.1对话机器人发展史6.1.1对话机器人的近况6.1.2开放域6.1.3垂直领域6.1.4对话机器人的未来发展趋势6.2人工智能在对话机器人中的应用6.2.1深度学习在机器人方面的应用6.2.2强化学习在机器人方面的应用6.2.3知识图谱在机器人方面的应用第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7.2.1知识抽取-命名实体识别7.2.2利用CRF模型识别 NER7.2.3利用BiLSTM CRF模型进行命名实体识别7.3知识抽取-实体关系抽取：Relation Extraction7.4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8.1.1信息检索：利用搜索来预测答案8.1.2句型模板匹配标准问题生成答案8.1.3根据知识图谱推理得到答案8.2多轮对话8.2.1多轮对话概述8.2.2任务型多轮对话的控制和生成8.2.3多主题多轮对话第9章对话系统的工程架构9.1对话系统的工程技术9.1.1常用技术9.1.2对话系统的分类9.1.3主要系统软件介绍9.1.4系统运维相关9.2对话系统的架构实现9.2.1阿里小蜜9.2.2百度对话系统9.2.3垂直领域对话系统的架构9.2.4开放领域对话系统的架构9.3本章小结0章实战场景之一——客服机器人10.1客服机器人架构10.1.1功能需求10.1.2系统逻辑架构图10.2客服机器人设计10.2.1FAQ的设计10.2.2导购机器人的设计10.2.3实例分析10.3本章小结1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2章实战场景之三——聊天机器人12.1Seq2Seq以及Attention机制12.2Beam Search12.3基于Seq2Seq的聊天机器人开发流程12.3.1语料准备12.3.2定义Encoder和Decoder12.3.3模型训练和评估模块12.3.4模型预测和Beam Search模块12.4本章小结
作者介绍
刘宇数据科学技术总监 ，毕业于清华大学，现就职于猎聘网。在NLP算法领域有7年以上的开发经验，目前的研究重点是深度学习在NLP方面的实际应用，热衷于钻研NLP算法技术在对话系统、搜索系统等实际场景下的应用。对机器学习、大数据应用与开发、深度学习等也颇有研究。精通Java、C 、Python等主流编程语言，熟悉软件架构和开发原则。崔燕红资深人工智能技术专家，毕业于开普敦大学，博士，现任北京泰迪熊科技公司首席数据算法科学家。曾在唯品会NLP部门担任主任研究员。精通Java 语言，有6年Java 相关开发经验，熟悉Python语言，在时间序列分析、全局优化算法、机器学习、NLP、深度学习领域卓有建树。郭师光资深大数据和人工智能技术专家，毕业于俄克拉荷马大学，博士。曾在斯伦贝谢公司从事研发工作，研究领域涉及数据建模、油气藏的智能模式识别等。后在唯品会研究院担任资深研发，研究项目主要包括深度学习算法、搜索意图识别等。现于北京信息科技大学任职，主要研究方向包括大数据、智能对话系统、图像识别以及深度学习模型的商业化应用。累计发表SCI检索论文和国际会议论文十余篇。党习歌NLP算法工程师，毕业于北京邮电大学，计算机专业硕士。现就职于唯品会智能应用部。精通Java，在NLP算法领域有3年以上开发经验。目前主要研究NLP在对话系统、搜索等场景的应用，对机器学习、NLP算法、数学模型等颇有研究。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价