新华书店正版亲密接触人工智能:从零搭建对话机器人计算机应用ai开发软件实操教程自学.

基本信息

书    名

  亲密接触人工智能:从零搭建对话机器人

出版社

  电子工业出版社

作    者

  周德标著

出版时间

  (咨询特价)

I S B N

  (咨询特价)

定价

  69

开    本

  16开 185*260

装    帧

  平装

版    次

  1

字    数

  265(千字)

页    数

  190

读者范围

  对人工智能感兴趣的读者，具有一定的PYTHON编程基础

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小程序来实现，这是因为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*为流行的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*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尸包括用户意图识别、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T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”课挥。
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。

编辑推荐

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：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申请小程序账号 17
2.3.2下载安装小程序开发环境 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
5.1.3Skip-Gram模型 56
5.1.4CBOW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
5.2Encoder-Decoder模型 61
5.2.1Encoder-Decoder模型的工作原理 61
5.2.2Attention模型 63
5.3BERT模型 64
5.3.1从词向量到BERT：预训练技术的发展简史 64
5.3.2BERT模型的运作机制 65
5.3.3BERT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实蘸开发主页面 84
7.2.3实蘸添加对话框 85
7.2.4实蘸添加录音、输入框、发送按钮 86
7.2.5实蘸添加功能代码 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实蘸创建小程序信息处理接口SendMessageService 97
8.2.2实蘸创建语音对话接口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实蘸文本预处理 115
9.1.3实蘸生成词向量 117
9.1.4实蘸生成训练和测试数据 120
9.2建立模型 122
9.2.1实蘸加载预处理好的词向量 122
9.2.2实蘸建立模型 126
9.3训练及测试模型 128
9.3.1实蘸训练和测试模型 128
9.3.2实蘸验证模型的效果 130
9.4前台、中台、后台系统集成 136
9.4.1实蘸创建后台对话服务 137
9.4.2实蘸联合调试前台、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实蘸创建一个任务型机器人 145
10.2.1实蘸准备任务型机器人所需的数据 145
10.2.2实蘸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实蘸基于深度学习的情感分析 158
11.2.1实蘸准备情感分析所需的数据 158
11.2.2实蘸创建情感分析模型 166

试读