智慧對話入門與實作

吳科著

出版商: 北京大學
出版日期: 2025-03-01
定價: $594
售價: 8.5 折 $505
語言: 簡體中文
頁數: 384
裝訂: 平裝
ISBN: 730134905X
ISBN-13: 9787301349052

下單後立即進貨 (約4週~6週)

商品描述

近年來，隨著人工智能技術的不斷發展，智慧對話系統開始在私人助理、智慧客服、現代搜尋引擎等領域逐漸應用，為大眾提供不同程度的智慧高效服務。
本書旨在指導初學者輕鬆進入智慧對話領域，並逐步深入實戰中，同時透過專案案例將理論與實戰結合，
使讀者不僅能有系統地學習智慧對話的基本理論，還能快速地將其應用於實踐。
本書共分為12章，分為三個部分。
第一部分是理論基礎篇，主要介紹了機率統計、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，著重講解了智慧對話系統中常見的功能係統及幾個著名企業的智慧問答架構實現，幫助讀者理解智慧對話的工程架構與實務理論。
這裡的常見功能係統包括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，涵蓋了智慧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瞭解對話系統的架構實現，並具備自己建立智慧對話系統的能力。
本書內容簡單易懂，案例豐富，實用性強，特別適合對智慧對話系統有興趣的入門讀者和進階讀者閱讀，
也適合國中級自然語言處理（NLP）工程師或人工智能（AI）演算法工程師等其他程式設計愛好者閱讀。
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。

目錄大綱

目錄
第1章機率統計基礎 5
1.1 機率基礎 6
1.1.1 從機率到條件機率 6
1.1.2 隨機事件的關係 7
1.1.3 貝氏定理 9
1.2 隨機變量 11
1.2.1 隨機變量的引入 11
1.2.2 常見機率分佈 13
1.2.3 多元隨機變量（聯合、邊緣與條件 | 獨立與相關） 17
1.2.3 多元常態分佈 23
1.3 統計推論 24
1.3.1 最大似然 25
1.3.2 最大後驗 26
1.4 隨機過程 27
1.4.1 馬可夫鏈 27
1.4.2 馬可夫鏈的極限與穩態 29
1.4.3 馬可夫鏈蒙特卡羅方法 30
1.5 本章小結 32
第2章統計學習 33
2.1 樸素貝葉斯 33
2.2 支援向量機 36
2.2.1 支持向量機的理論基礎 36
2.2.2 SMO演算法原理 37
2.3 最大熵 39
2.3.1 資訊熵 40
2.3.2 最大熵推導 41
2.3.3 最大熵模型 41
2.4 條件隨機場 43
2.4.1 馬可夫隨機場 43
2.4.2 條件隨機場原理 45
2.4.3 推斷演算法 46
2.5 本章小結 48
第3章深度學習 48
3.1 神經網絡 48
3.1.1 神經元 48
3.1.2 網絡結構 53
3.1.3 反向傳播演算法 55
3.2 捲積神經網絡 57
3.2.1 捲積層 57
3.2.2 匯聚層 58
3.2.3 CNN句子建模 59
3.3 循環神經網絡 62
3.3.1 簡單循環網絡 63
3.3.2 長短期記憶網 64
3.3.3 LSTM句子建模 66
3.4 Attention機制 68
3.4.1 什麼是註意力機制 69
3.4.2 Encoder-Decoder框架 70
3.4.3 Attention模型 71
3.4.4 Attention機制的原理 73
3.5 預訓練模型 74
3.5.1 非上下文感知模型 75
3.5.2 上下文感知模型 79
3.6 本章小結 88
第4章強化學習 89
4.1 什麼是強化學習 89
4.1.1 強化學習的組成要素 90
4.1.2 馬可夫決策過程 92
4.1.3 最優價值函數與最優策略 97
4.1.4 價值迭代與策略迭代 98
4.2 深度強化學習: 從Q-Learning到DQN 101
4.2.1 Q-Learning 101
4.2.2 價值函數近似 102
4.2.3 DQN 104
4.3 策略梯度 107
4.3.1 基本原理 107
4.3.2 策略參數化 111
4.3.3 Actor-Critic方法 113
4.4 探索策略 116
4.4.1 ??貪心策略 116
4.4.2 信賴區間上界策略 117
4.4 本章小結 118
第5章 FAQ問答 118
5.1 基本概念 119
5.1.1 知識庫相關概念 119
5.1.2 FAQ問答系統的業務架構 121
5.1.3 FAQ問答引擎 122
5.2 文本匹配模型 123
5.2.1 規則符合 124
5.2.2 字面特徵的匹配 125
5.2.3 深度學習語意配對 130
5.3 本章小結 149
第6章知識圖譜問答 150
6.1 什麼是知識圖譜 150
6.1.1 知識圖譜定義 150
6.1.2 知識圖譜的資料模型 152
6.1.3 知識圖譜的儲存方式 156
6.2 基於模板的方法 164
6.3 基於語意分析的方法 167
6.3.1 語意表示 167
6.3.2 邏輯表達式產生 168
6.3.3 語意分析實例 172
6.4 基於答案排序的方法 176
6.4.1 基於特徵的答案排序 177
6.4.2 基於子圖匹配的答案排序 179
6.5 本章小結 181
第7章任務型問答 181
7.1 管道方法 182
7.1.1 自然語言理解 182
7.1.2 對話狀態追蹤 186
7.1.3 對話策略學習 190
7.1.4 自然語言生成 201
7.2 端對端方法 203
7.2.1 複製機制 203
7.2.2 記憶網 204
7.2.3 GLMP模型 205
7.3 本章小結 209
第8章表格問答 210
8.1 什麼是表格問答 210
8.2 表格檢索 211
8.3 語意解析 212
8.3.1 規則範本 212
8.3.2 端對端模型 214
8.3.3 文法模型 218
8.4 本章小結 223
第9章企業級智慧問答的架構實作 224
9.1 阿裡小蜜 224
9.2 微軟小冰 226
9.3 美團智能客服 231
9.4 本章小結 236
第10章人工智能標記語言（AIML） 236
第11章 Rasa多輪對話開源框架 261
第12章問答系統幾個實例 308