智能聊天機器人技術內幕：探索人機對話的微觀世界
劉聰、張瀚林
- 出版商: 清華大學
- 出版日期: 2024-11-01
- 售價: $474
- 貴賓價: 9.5 折 $450
- 語言: 簡體中文
- 頁數: 276
- ISBN: 7302675309
- ISBN-13: 9787302675303
-
相關分類:
機器人製作 Robots
立即出貨
相關主題
商品描述
"人機對話是人工智能技術體系中一個很重要的分支領域，同時也是人工智能應用最廣的場景之一。本書從人機對話的演進歷程出發，從機器人的宏觀架構到每個功能的微觀細節，都進行了闡述。全書共 11 章：第 1、2 章介紹人機對話的發展史和人機對話的基礎架構；第 3 ～ 8 章從用戶語言理解、用戶應答的方式、答案的生成三方面，詳細介紹一套人機對話系統的構建方法；第 9、10 章介紹支撐人機對話系統構建所需的常用算法及模型相關的底層基礎技能；第 11 章介紹以 ChatGPT 為代表的大模型在人機對話領域的運用。 本書可供具備人工智能領域先驗知識的工程技術人員和對人機對話感興趣的人士閱讀和參考。 "
作者簡介
"劉聰京東科技智慧客服平台研發部機構負責人，帶領團隊完成京東白條、金融用戶體系、京東支付行銷、金融智慧客服機器人產品的打造。 張瀚林某國有大型銀行軟體開發部門架構師，曾擔任京東科技-金融智慧客服產品線技術架構師。
目錄大綱
第 1 章 人機對話的前世今生
1.1 什麽是人機對話系統 / 2
1.2 人機對話的演變 / 2
1.3 人機對話系統的類型 / 8
1.4 人機對話系統的運用場景 / 12
1.5 本章小結 / 14
第 2 章 人機對話系統的架構
2.1 總體架構 / 16
2.2 服務層概述 / 17
2.2.1 機器人管理模塊 / 17
2.2.2 應答服務模塊 / 19
2.2.3 模型服務模塊 / 35
2.2.4 配置服務模塊 / 39
2.2.5 統計分析與監控模塊 / 40
2.3 本章小結 / 41
第 3 章 理解用戶的自然語言
3.1 什麽是自然語言理解 / 43
3.2 用戶問題預處理 / 45
3.2.1 問題類型處理 / 46
3.2.2 分詞處理 / 47
3.2.3 停用詞處理 / 49
3.3 NLU 語義挖掘 / 49
3.3.1 實體信息 / 49
3.3.2 情感信息 / 51
3.3.3 意圖信息 / 54
3.3.4 領域信息 / 56
3.3.5 垂直 / 開放領域信息 / 57
3.4 語義繼承與澄清 / 58
3.4.1 語義繼承 / 58
3.4.2 語義澄清 / 60
3.5 本章小結 / 62
第 4 章 應答對話管理：會話狀態追蹤
4.1 什麽是 DST / 64
4.2 DST 結構 / 65
4.3 深入剖析 DST 結構 / 66
4.3.1 用戶基本信息 / 66
4.3.2 當前對話信息之簡單要素 / 67
4.3.3 當前對話信息之復雜要素 / 69
4.3.4 歷史對話信息 / 74
4.4 DST 的存儲形式 / 74
4.5 本章小結 / 75
第 5 章 任務型 DPL 引擎
5.1 任務型引擎與場景 / 77
5.1.1 基於場景實現的任務型 DPL 引擎 / 77
5.1.2 場景的結構 / 77
5.2 場景觸發 / 80
5.2.1 場景觸發方式 / 80
5.2.2 場景觸發流程 / 82
5.3 交互流程組件 / 83
5.3.1 交互流程 / 83
5.3.2 交互流程的節點 / 84
5.3.3 交互流程的邊 / 87
5.3.4 交互流程的圖表達 / 88
5.4 場景交互 / 95
5.4.1 交互流程與交互流程實例 / 95
5.4.2 交互流程實例的狀態 / 97
5.4.3 節點與節點實例 / 98
5.4.4 節點實例的狀態 / 99
5.4.5 場景交互的推進時序 / 100
5.5 本章小結 / 101
第 6 章 任務型 DPL 引擎：場景流程推進詳解
6.1 場景域處理 / 104
6.1.1 場景觸發 / 104
6.1.2 獲取場景信息 / 108
6.1.3 對話信息識別抽取 / 116
6.2 交互流程域處理 / 117
6.2.1 交互流程首次被觸發的情形 / 118
6.2.2 交互流程的推進 / 121
6.2.3 交互流程已處於執行中的情形 / 127
6.3 節點域處理 / 127
6.3.1 選擇節點執行器 / 128
6.3.2 節點執行 / 129
6.4 持久化設計 / 136
6.4.1 數據庫表設計 / 136
6.4.2 場景數據配置 / 139
6.4.3 交互流程數據配置 / 141
6.5 本章小結 / 146
第 7 章 對話管理：其他應答 DPL 引擎
7.1 問答型 DPL / 148
7.1.1 基於規則問答 / 148
7.1.2 基於 FAQ 問答 / 151
7.1.3 基於知識圖譜問答 / 158
7.2 閑聊型 DPL / 163
7.2.1 檢索型閑聊應答 / 164
7.2.2 生成式閑聊應答 / 165
7.3 推薦型 DPL / 167
7.3.1 召回階段 / 167
7.3.2 排序階段 / 170
7.4 本章小結 / 171
第 8 章 答案的生成
8.1 基於固定文本的答案生成 / 174
8.2 基於模板的答案生成 / 175
8.3 基於生成模型的答案生成 / 176
8.4 基於標簽的答案選擇 / 184
8.5 答案決策 / 187
8.6 本章小結 / 189
第 9 章 必備算法基礎
9.1 詞向量 / 191
9.1.1 One-Hot 詞向量 / 191
9.1.2 Word2Vec / 192
9.1.3 GloVe / 196
9.2 序列標註類問題 / 198
9.2.1 什麽是序列標註 / 198
9.2.2 解決序列標註的算法 / 198
9.2.3 基於序列標註解決的問題 / 204
9.3 文本分類 / 207
9.3.1 文本分類簡介 / 207
9.3.2 文本分類的常用模型 / 208
9.4 序列生成 / 212
9.4.1 序列生成簡介 / 212
9.4.2 序列生成模型 / 213
9.5 本章小結 / 218
第 10 章 模型訓練與服務化
10.1 模型訓練 / 220
10.1.1 什麽是模型訓練 / 220
10.1.2 模型訓練的常用框架 / 221
10.2 模型推理 / 230
10.2.1 什麽是模型推理 / 230
10.2.2 基於 TensorFlow 進行模型推理 / 231
10.3 模型部署與服務化 / 232
10.3.1 什麽是模型部署 / 232
10.3.2 ONNX 開放模型交換格式 / 232
10.3.3 使用 ONNX Runtime 部署 ONNX 模型 / 233
10.3.4 模型服務化 / 234
10.4 本章小結 / 235
第 11 章 ChatGPT 帶來的新機遇
11.1 ChatGPT 的誕生與演進 / 237
11.2 ChatGPT 的原理 / 238
11.2.1 Transformer 架構 / 238
11.2.2 GPT 系列模型 / 243
11.2.3 其他大模型介紹 / 248
11.3 大模型在 NLP 領域的應用場景 / 249
11.3.1 對話生成 / 249
11.3.2 文本匹配 / 250
11.3.3 分類任務 / 250
11.3.4 文本摘要 / 251
11.4 開發者如何使用大模型 / 252
11.4.1 提示詞工程 / 252
11.4.2 使用 LangChain 開發大模型應用 / 256
11.5 ChatGPT 面對的挑戰 / 260
11.5.1 偏見與幻覺 / 260
11.5.2 數據隱私問題 / 262
11.6 本章小結 / 262
