亲密接触人工智能：从零搭建对话机器人

第1篇 快速入门
第1章 初识对话机器人\t2
1．1 实例：对话机器人的一个例子\t2
1．2 对话机器人的商业价值\t3
1．2．1 满足人工智能时代的社交需求\t3
1．2．2 宣传商品和服务\t4
1．2．3 提供客户服务\t4
1．3 本书的学习路径图\t5
1．4 对话机器人所需的理论知识\t7
1．4．1 构建对话机器人所需的知识体系\t7
1．4．2 理论知识的学习路径图\t8
第2章 对话机器人的系统架构\t10
2．1 产品需求定义\t10
2．1．1 封闭域对话vs开放域对话\t10
2．1．2 本书所定义的产品需求\t12
2．2 产品架构设计\t13
2．2．1 产品整体架构\t13
2．2．2 前端：微信小程序\t14
2．2．3 中台：Apache Tomcat + Java\t15
2．2．4 后台：TensorFlow + Python\t16
2．3 开发环境准备\t17
2．3．1 申请微信小程序账号\t17
2．3．2 下载安装微信小程序开发环境\t20
2．3．3 下载安装Java开发环境\t20
2．3．4 下载安装Tomcat软件\t21
2．3．5 下载安装MySQL数据库\t21
2．3．6 下载安装Python及TensorFlow开发环境\t21
2．3．7 购买配置中台以及后台服务器\t22
第2篇 理论基础
第3章 人工智能基础\t26
3．1 入门知识：分类任务\t26
3．1．1 从二分类任务说起\t26
3．1．2 特征及特征提取\t27
3．1．3 如何分类：训练分类器\t29
3．1．4 感知器\t31
3．1．5 支持向量机\t33
3．1．6 多类别分类\t34
3．2 人工神经网络的工作原理\t35
3．2．1 为什么需要人工神经网络\t35
3．2．2 人工神经网络如何工作\t37
第4章 自然语言处理基础\t42
4．1 自然语言处理的发展\t42
4．1．1 从规则引擎到概率统计\t42
4．1．2 自然语言处理要解决的问题\t44
4．2 基于概率统计的解题思路\t46
4．2．1 语音识别\t46
4．2．2 中文自动分词\t48
4．2．3 文本匹配\t49
4．2．4 机器翻译\t51
第5章 与对话机器人相关的深度学习\t53
5．1 词向量\t53
5．1．1 基本概念\t53
5．1．2 词向量的意义及语言模型\t55
5．1．3 Skip-Gram模型\t56
5．1．4 CBOW模型\t58
5．1．5 词向量的实现方式\t59
5．1．6 词向量的应用\t61
5．2 Encoder-Decoder模型\t61
5．2．1 Encoder-Decoder模型的工作原理\t61
5．2．2 Attention模型\t63
5．3 BERT模型\t64
5．3．1 从词向量到BERT：预训练技术的发展简史\t64
5．3．2 BERT模型的运作机制\t65
5．3．3 BERT模型的意义\t67
第6章 对话机器人的实现方式\t68
6．1 实现对话机器人的主流技术\t68
6．1．1 基于人工模版的技术\t68
6．1．2 基于检索的技术\t69
6．1．3 基于机器翻译的技术\t71
6．1．4 基于深度学习的技术\t72
6．2 对话管理\t73
6．2．1 对话管理的主要任务\t74
6．2．2 对话管理的实现方法\t75
6．2．3 基于结构的方法\t76
6．2．4 基于规则的方法\t76
6．2．5 基于统计的方法\t77
第3篇 动手实战
第7章 前端：对话机器人的用户界面\t80
7．1 创建对话机器人小程序\t80
7．1．1 新建对话机器人小程序\t80
7．1．2 代码构成\t82
7．1．3 小程序调试\t83
7．2 对话机器人小程序开发及测试\t83
7．2．1 用户界面设计\t84
7．2．2 实战：开发主页面\t84
7．2．3 实战：添加对话框\t85
7．2．4 实战：添加录音、输入框、发送按钮\t86
7．2．5 实战：添加功能代码\t87
第8章 中台：数据和服务管理\t93
8．1 创建对话机器人的中台项目\t93
8．1．1 新建中台项目\t93
8．1．2 准备开发功能\t95
8．2 编写中台功能代码\t97
8．2．1 实战：创建小程序信息处理接口SendMessageService\t97
8．2．2 实战：创建语音对话接口SendAudioService\t103
第9章 后台：对话服务\t114
9．1 准备数据\t114
9．1．1 下载及安装语料库\t114
9．1．2 实战：文本预处理\t115
9．1．3 实战：生成词向量\t117
9．1．4 实战：生成训练和测试数据\t120
9．2 建立模型\t122
9．2．1 实战：加载预处理好的词向量\t122
9．2．2 实战：建立模型\t126
9．3 训练及测试模型\t128
9．3．1 实战：训练和测试模型\t128
9．3．2 实战：验证模型的效果\t130
9．4 前台、中台、后台系统集成\t136
9．4．1 实战：创建后台对话服务\t137
9．4．2 实战：联合调试前台、中台、后台程序\t139
第4篇 扩展应用
第10章 任务型机器人\t142
10．1 任务型机器人的概念和实现方式\t142
10．1．1 任务型机器人的架构\t142
10．1．2 自然语言理解模块\t143
10．1．3 对话管理模块\t144
10．1．4 自然语言生成模块\t145
10．2 实战：创建一个任务型机器人\t145
10．2．1 实战：准备任务型机器人所需的数据\t145
10．2．2 实战：创建任务型机器人模型\t146
第11章 情感分析\t155
11．1 基本概念和实现方式\t155
11．1．1 什么是情感分析\t155
11．1．2 实现方式之一：基于词典的方法\t156
11．1．3 实现方式之二：基于机器学习的方法\t158
11．2 实战：基于深度学习的情感分析\t158
11．2．1 实战：准备情感分析所需的数据\t158
11．2．2 实战：创建情感分析模型\t166