幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能對話入門與實踐

  • 作者：吳科|責編:劉雲//王繼偉
  • 出版社：北京大學
  • ISBN：9787301349052
  • 出版日期：2025/03/01
  • 裝幀：平裝
  • 頁數：376
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    近年來，隨著人工智慧技術的不斷發展，智能對話系統開始在私人助理、智能客服、現代搜索引擎等領域逐漸應用，為大眾提供不同程度的智能高效服務。本書旨在指導初學者輕鬆進入智能對話領域，並逐步深入實戰中，同時通過項目案例將理論與實戰相結合，使讀者不僅能系統地學習智能對話的基本理論，還能快速地將其應用於實踐。
    本書共分為12章，分為三部分。第一部分是理論基礎篇，主要介紹了概率統計、統計學習、深度學習和強化學習等方面的基本理論。第二部分是技術篇，著重講解了智能對話系統中常見的功能系統及幾個著名企業的智能問答架構實現，幫助讀者理解智能對話的工程架構和實踐理論。這裡的常見功能系統包括FAQ問答、知識圖譜問答、任務型問答和表格問答等內容。第三部分是實踐篇，涵蓋了智能對話開源框架和問答系統實例介紹，從多個角度讓讀者完整地了解對話系統的架構實現，並具備自己搭建智能對話系統的能力。
    本書內容通俗易懂，案例豐富，實用性強，特別適合對智能對話系統感興趣的入門讀者和進階讀者閱讀，也適合初中級自然語言處理（NLP）工程師或人工智慧（AI）演算法工程師等其他編程愛好者閱讀。此外，本書也適合作為大專院校及相關培訓機構的教材使用。
作者介紹
吳科|責編:劉雲//王繼偉
    吳科，上海交通大學電腦系助理研究員，八維教育集團人工智慧學院院長。曾任阿里巴巴搜索研發專家，雅虎中國新聞搜索技術負責人。研究興趣為自然語言處理及機器學習。
目錄
第1章  概率統計基礎
  1.1  概率基礎
    1.1.1  從概率到條件概率
    1.1.2  隨機事件的關係
    1.1.3  貝葉斯定理
  1.2  隨機變數
    1.2.1  隨機變數的引入
    1.2.2  常見概率分佈
    1.2.3  多元隨機變數（聯合、邊緣與條件|獨立與相關）
    1.2.3  多元正態分佈
  1.3  統計推斷
    1.3.1  最大似然
    1.3.2  最大后驗
  1.4  隨機過程
    1.4.1  馬爾可夫鏈
    1.4.2  馬爾可夫鏈的極限與穩態
    1.4.3  馬爾可夫鏈蒙特卡洛方法
  1.5  本章小結
第2章  統計學習
  2.1  樸素貝葉斯
  2.2  支持向量機
    2.2.1  支持向量機的理論基礎
    2.2.2  SMO演算法原理
  2.3  最大熵
    2.3.1  信息熵
    2.3.2  最大熵推導
    2.3.3  最大熵模型
  2.4  條件隨機場
    2.4.1  馬爾可夫隨機場
    2.4.2  條件隨機場原理
    2.4.3  推斷演算法
  2.5  本章小結
第3章  深度學習
  3.1  神經網路
    3.1.1  神經元
    3.1.2  網路結構
    3.1.3  反向傳播演算法
  3.2  卷積神經網路
    3.2.1  卷積層
    3.2.2  匯聚層
    3.2.3  CNN句子建模
  3.3  循環神經網路
    3.3.1  簡單循環網路
    3.3.2  長短期記憶網路
    3.3.3  LSTM句子建模
  3.4  Attention機制
    3.4.1  什麼是注意力機制
    3.4.2  Encoder-Decoder框架
    3.4.3  Attention模型
    3.4.4  Attention機制的原理

  3.5  預訓練模型
    3.5.1  非上下文感知模型
    3.5.2  上下文感知模型
  3.6  本章小結
第4章  強化學習
  4.1  什麼是強化學習
    4.1.1  強化學習的組成要素
    4.1.2  馬爾可夫決策過程
    4.1.3  最優價值函數和最優策略
    4.1.4  價值迭代和策略迭代
  4.2  深度強化學習：從Q-Learning到DQN
    4.2.1  Q-Learning
    4.2.2  價值函數近似
    4.2.3  DQN
  4.3  策略梯度
    4.3.1  基本原理
    4.3.2  策略參數化
    4.3.3  Actor-Critic方法
  4.4  探索策略
    4.4.1  貪心策略
    4.4.2  置信區間上界策略
  4.4  本章小結
第5章  FAQ問答
  5.1  基本概念
    5.1.1  知識庫相關概念
    5.1.2  FAQ問答系統的業務架構
    5.1.3  FAQ問答引擎
  5.2  文本匹配模型
    5.2.1  規則匹配
    5.2.2  字面特徵的匹配
    5.2.3  深度學習語義匹配
  5.3  本章小結
第6章  知識圖譜問答
  6.1  什麼是知識圖譜
    6.1.1  知識圖譜定義
    6.1.2  知識圖譜的數據模型
    6.1.3  知識圖譜的存儲方式
  6.2  基於模板的方法
  6.3  基於語義分析的方法
    6.3.1  語義表示
    6.3.2  邏輯表達式生成
    6.3.3  語義分析實例
  6.4  基於答案排序的方法
    6.4.1  基於特徵的答案排序
    6.4.2  基於子圖匹配的答案排序
  6.5  本章小結
第7章  任務型問答
  7.1  管道方法
    7.1.1  自然語言理解
    7.1.2  對話狀態跟蹤

    7.1.3  對話策略學習
    7.1.4  自然語言生成
  7.2  端到端方法
    7.2.1  複製機制
    7.2.2  記憶網路
    7.2.3  GLMP模型
  7.3  本章小結
第8章  表格問答
  8.1  什麼是表格問答
  8.2  表格檢索
  8.3  語義解析
    8.3.1  規則模板
    8.3.2  端到端模型
    8.3.3  文法模型
  8.4  本章小結
第9章  企業級智能問答的架構實現
  9.1  阿里小蜜
  9.2  微軟小冰
  9.3  美團智能客服
  9.4  本章小結
第10章  人工智慧標記語言（AIML）
  10.1  AIML基礎
    10.1.1  基本標籤
    10.1.2  上下文能力
    10.1.3  同義能力
    10.1.4  標準啟動文件
  10.2  源碼框架剖析
    10.2.1  核心代碼組成
    10.2.2  語法解析
    10.2.3  核心問答代碼
  10.3  設計與實現
    10.3.1  中文適配處理
    10.3.2  知識庫設計
    10.3.3  運行展示
  10.4  本章小結
第11章  Rasa多輪對話開源框架
  11.1  Rasa基礎概要
    11.1.1  Rasa系統結構
    11.1.2  Rasa環境部署
  11.2  RasaNLU
    11.2.1  NLU管道
    11.2.2  NLU訓練數據
  11.3  RasaCore
    11.3.1  故事
    11.3.2  規則
    11.3.3  動作
    11.3.4  表單
    11.3.5  策略
  11.4  多輪對話設計實現
    11.4.1  基於對話驅動的開發

    11.4.2  對話設計
    11.4.3  簡單的訂餐示例
  11.5  本章小結
第12章  問答系統幾個實例
  12.1  FAQ問答實例講解
    12.1.1  問題分析
    12.1.2  檢索
    12.1.3  匹配
    12.1.4  重排
    12.1.5  索引模塊
    12.1.6  SimNet模塊
  12.2  圖譜問答實例講解
    12.2.1  圖譜介紹
    12.2.2  主代碼介紹
  12.3  基於RL的問答系統實例講解
    12.3.1  訓練架構介紹
    12.3.2  DQN智能體
    12.3.3  對話狀態跟蹤器
    12.3.4  用戶模擬
    12.3.5  錯誤模型控制器
    12.3.6  智能體運行
  12.4  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032