親密接觸人工智能：從零搭建對(duì)話機(jī)器人

第1篇 快速入門
第1章 初識(shí)對(duì)話機(jī)器人\t2
1．1 實(shí)例：對(duì)話機(jī)器人的一個(gè)例子\t2
1．2 對(duì)話機(jī)器人的商業(yè)價(jià)值\t3
1．2．1 滿足人工智能時(shí)代的社交需求\t3
1．2．2 宣傳商品和服務(wù)\t4
1．2．3 提供客戶服務(wù)\t4
1．3 本書的學(xué)習(xí)路徑圖\t5
1．4 對(duì)話機(jī)器人所需的理論知識(shí)\t7
1．4．1 構(gòu)建對(duì)話機(jī)器人所需的知識(shí)體系\t7
1．4．2 理論知識(shí)的學(xué)習(xí)路徑圖\t8
第2章 對(duì)話機(jī)器人的系統(tǒng)架構(gòu)\t10
2．1 產(chǎn)品需求定義\t10
2．1．1 封閉域?qū)υ抳s開放域?qū)υ抃t10
2．1．2 本書所定義的產(chǎn)品需求\t12
2．2 產(chǎn)品架構(gòu)設(shè)計(jì)\t13
2．2．1 產(chǎn)品整體架構(gòu)\t13
2．2．2 前端：微信小程序\t14
2．2．3 中臺(tái)：Apache Tomcat + Java\t15
2．2．4 后臺(tái)：TensorFlow + Python\t16
2．3 開發(fā)環(huán)境準(zhǔn)備\t17
2．3．1 申請(qǐng)微信小程序賬號(hào)\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(tái)以及后臺(tái)服務(wù)器\t22
第2篇 理論基礎(chǔ)
第3章 人工智能基礎(chǔ)\t26
3．1 入門知識(shí)：分類任務(wù)\t26
3．1．1 從二分類任務(wù)說起\t26
3．1．2 特征及特征提取\t27
3．1．3 如何分類：訓(xùn)練分類器\t29
3．1．4 感知器\t31
3．1．5 支持向量機(jī)\t33
3．1．6 多類別分類\t34
3．2 人工神經(jīng)網(wǎng)絡(luò)的工作原理\t35
3．2．1 為什么需要人工神經(jīng)網(wǎng)絡(luò)\t35
3．2．2 人工神經(jīng)網(wǎng)絡(luò)如何工作\t37
第4章 自然語言處理基礎(chǔ)\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(jì)\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(jì)的解題思路\t46
4．2．1 語音識(shí)別\t46
4．2．2 中文自動(dòng)分詞\t48
4．2．3 文本匹配\t49
4．2．4 機(jī)器翻譯\t51
第5章 與對(duì)話機(jī)器人相關(guān)的深度學(xué)習(xí)\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(shí)現(xiàn)方式\t59
5．1．6 詞向量的應(yīng)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(yù)訓(xùn)練技術(shù)的發(fā)展簡史\t64
5．3．2 BERT模型的運(yùn)作機(jī)制\t65
5．3．3 BERT模型的意義\t67
第6章 對(duì)話機(jī)器人的實(shí)現(xiàn)方式\t68
6．1 實(shí)現(xiàn)對(duì)話機(jī)器人的主流技術(shù)\t68
6．1．1 基于人工模版的技術(shù)\t68
6．1．2 基于檢索的技術(shù)\t69
6．1．3 基于機(jī)器翻譯的技術(shù)\t71
6．1．4 基于深度學(xué)習(xí)的技術(shù)\t72
6．2 對(duì)話管理\t73
6．2．1 對(duì)話管理的主要任務(wù)\t74
6．2．2 對(duì)話管理的實(shí)現(xiàn)方法\t75
6．2．3 基于結(jié)構(gòu)的方法\t76
6．2．4 基于規(guī)則的方法\t76
6．2．5 基于統(tǒng)計(jì)的方法\t77
第3篇 動(dòng)手實(shí)戰(zhàn)
第7章 前端：對(duì)話機(jī)器人的用戶界面\t80
7．1 創(chuàng)建對(duì)話機(jī)器人小程序\t80
7．1．1 新建對(duì)話機(jī)器人小程序\t80
7．1．2 代碼構(gòu)成\t82
7．1．3 小程序調(diào)試\t83
7．2 對(duì)話機(jī)器人小程序開發(fā)及測(cè)試\t83
7．2．1 用戶界面設(shè)計(jì)\t84
7．2．2 實(shí)戰(zhàn)：開發(fā)主頁面\t84
7．2．3 實(shí)戰(zhàn)：添加對(duì)話框\t85
7．2．4 實(shí)戰(zhàn)：添加錄音、輸入框、發(fā)送按鈕\t86
7．2．5 實(shí)戰(zhàn)：添加功能代碼\t87
第8章 中臺(tái)：數(shù)據(jù)和服務(wù)管理\t93
8．1 創(chuàng)建對(duì)話機(jī)器人的中臺(tái)項(xiàng)目\t93
8．1．1 新建中臺(tái)項(xiàng)目\t93
8．1．2 準(zhǔn)備開發(fā)功能\t95
8．2 編寫中臺(tái)功能代碼\t97
8．2．1 實(shí)戰(zhàn)：創(chuàng)建小程序信息處理接口SendMessageService\t97
8．2．2 實(shí)戰(zhàn)：創(chuàng)建語音對(duì)話接口SendAudioService\t103
第9章 后臺(tái)：對(duì)話服務(wù)\t114
9．1 準(zhǔn)備數(shù)據(jù)\t114
9．1．1 下載及安裝語料庫\t114
9．1．2 實(shí)戰(zhàn)：文本預(yù)處理\t115
9．1．3 實(shí)戰(zhàn)：生成詞向量\t117
9．1．4 實(shí)戰(zhàn)：生成訓(xùn)練和測(cè)試數(shù)據(jù)\t120
9．2 建立模型\t122
9．2．1 實(shí)戰(zhàn)：加載預(yù)處理好的詞向量\t122
9．2．2 實(shí)戰(zhàn)：建立模型\t126
9．3 訓(xùn)練及測(cè)試模型\t128
9．3．1 實(shí)戰(zhàn)：訓(xùn)練和測(cè)試模型\t128
9．3．2 實(shí)戰(zhàn)：驗(yàn)證模型的效果\t130
9．4 前臺(tái)、中臺(tái)、后臺(tái)系統(tǒng)集成\t136
9．4．1 實(shí)戰(zhàn)：創(chuàng)建后臺(tái)對(duì)話服務(wù)\t137
9．4．2 實(shí)戰(zhàn)：聯(lián)合調(diào)試前臺(tái)、中臺(tái)、后臺(tái)程序\t139
第4篇 擴(kuò)展應(yīng)用
第10章 任務(wù)型機(jī)器人\t142
10．1 任務(wù)型機(jī)器人的概念和實(shí)現(xiàn)方式\t142
10．1．1 任務(wù)型機(jī)器人的架構(gòu)\t142
10．1．2 自然語言理解模塊\t143
10．1．3 對(duì)話管理模塊\t144
10．1．4 自然語言生成模塊\t145
10．2 實(shí)戰(zhàn)：創(chuàng)建一個(gè)任務(wù)型機(jī)器人\t145
10．2．1 實(shí)戰(zhàn)：準(zhǔn)備任務(wù)型機(jī)器人所需的數(shù)據(jù)\t145
10．2．2 實(shí)戰(zhàn)：創(chuàng)建任務(wù)型機(jī)器人模型\t146
第11章 情感分析\t155
11．1 基本概念和實(shí)現(xiàn)方式\t155
11．1．1 什么是情感分析\t155
11．1．2 實(shí)現(xiàn)方式之一：基于詞典的方法\t156
11．1．3 實(shí)現(xiàn)方式之二：基于機(jī)器學(xué)習(xí)的方法\t158
11．2 實(shí)戰(zhàn)：基于深度學(xué)習(xí)的情感分析\t158
11．2．1 實(shí)戰(zhàn)：準(zhǔn)備情感分析所需的數(shù)據(jù)\t158
11．2．2 實(shí)戰(zhàn)：創(chuàng)建情感分析模型\t166