同類熱銷排行榜

神經網路對話生成(從規則統計到現代大模型)

作者：張乃洲|責編:張巧梅
出版社：經濟管理
ISBN：9787524309376

出版日期：2026/09/01
裝幀：平裝
頁數：235

人民幣：RMB 98 元售價：元

內容大鋼

本書系統梳理了神經網路對話生成技術從規則驅動、統計學習到現代大模型的完整演進歷程，以七章篇幅循序漸進地構建了涵蓋RNN、注意力機制、Transformer、變分自編碼（VAE/CVAE）及其超越方案（如Wasserstein自編碼、生成對抗網路和歸一化流）、預訓練語言模型（「預訓練+微調」範式）以及大語言模型（提示工程、指令微調、對齊技術）的核心方法體系。書中不僅深入剖析了各項技術的原理與架構，還直面對話生成領域的關鍵挑戰——內容一致性、多樣性、可控性等問題。在理論解析之外，本書融合了代碼實現與實驗分析，將技術演進與實戰應用相結合，旨在為高等院校學生、研究人員及工程師提供一幅通往通用對話智能時代的全景技術地圖。

作者介紹

張乃洲|責編:張巧梅
張乃洲，博士，教授，河南財經政法大學電腦與信息工程學院教師，美國紐約州立大學賓漢姆頓大學國家公派訪問學者。主要研究方向為人工智慧、多模態數據分析與挖掘、Web信息檢索、機器學習等。目前已在《電腦學報》《電腦研究與發展》《北京大學學報》和《模式識別與人工智慧》等刊物和國際學術會議上發表學術論文十余篇。主持國家級星火計劃項目1項、河南省自然科學基金項目和河南省科技攻關項目各1項、河南省教育廳重點項目1項；參與國家自然科學基金項目多項。

第1章  緒論
  1.1  對話系統概述
  1.2  對話系統發展現狀
  1.3  從變分自編碼模型到現代對話生成
  1.4  當前挑戰與未來研究方向
  1.5  本書主要研究內容
  本章參考文獻
第2章  基於循環神經網路和注意力機制的對話生成
  2.1  循環神經網路：序列建模的基石
  2.2  注意力機制：動態聚焦的突破
  2.3  基於層次循環神經網路的對話方法
  2.4  本章小結
  本章參考文獻
第3章  基於Transformer模型的對話生成
  3.1  Transformer模型架構與原理
  3.2  Transformer模型在對話生成中的應用
  3.3  本章小結
  本章參考文獻
第4章  基於潛主題學習的條件變分自編碼對話模型
  4.1  研究動機
  4.2  相關工作
  4.3  系統結構
  4.4  基於Transformer的編碼器
  4.5  主題條件變分自編碼
  4.6  基於Transformer的解碼器
  4.7  模型訓練
  4.8  實驗結果與分析
  4.9  本章小結
  本章參考文獻
第5章  超越VAE：基於其他生成式模型的對話方法
  5.1  對話表示學習的挑戰與VAE的局限
  5.2  Wasserstein自編碼模型與對話生成
  5.3  基於歸一化流模型的對話生成
  5.4  基於生成對抗網路（GAN）的對話生成
  5.5  本章小結
  本章參考文獻
第6章  基於預訓練語言模型的對話生成
  6.1  預訓練語言模型的基本原理
  6.2  NLP任務新範式：預訓練+微調
  6.3  編碼器架構：BERT模型及在對話生成中的應用
  6.4  編碼器—解碼器架構：BART模型及在對話生成中的應用
  6.5  解碼器架構：GPT模型系列與自回歸對話生成
  6.6  本章小結
  本章參考文獻
第7章  基於大語言模型的對話生成
  7.1  從專用模型到通用對話智能
  7.2  大語言模型的關鍵技術基石
  7.3  大語言模型對話生成的核心範式
  7.4  代表性對話大模型剖析
  7.5  典型應用場景：大語言模型驅動的共情對話生成

  7.6  本章小結
  本章參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

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

同類熱銷排行榜

最近瀏覽的商品

神經網路對話生成(從規則統計到現代大模型)