《聊天机器人：入门、进阶与实战》内容简介

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