会话式AI：自然语言处理与人机交互

封面

版权信息

前言

第1章 人机交互导论

1.1 图灵测试

1.1.1 图灵测试相关背景

1.1.2 图灵测试的定义

1.1.3 图灵测试引发的思考

1.2 专家系统

1.2.1 专家系统的定义

1.2.2 专家系统的框架

1.2.3 专家系统的发展

1.3 人机交互

1.3.1 人机交互简介

1.3.2 人机交互模块的发展

1.3.3 自然语言理解

1.3.4 对话管理

1.3.5 自然语言生成

1.4 机器人形态

1.4.1 聊天机器人

1.4.2 任务型机器人

1.4.3 面向FAQ的问答机器人

1.4.4 面向KB的问答机器人

1.5 本章小结

第2章 人机对话前置技术

2.1 深度学习框架

2.1.1 Theano

2.1.2 TensorFlow

2.1.3 Keras

2.1.4 PyTorch

2.2 搭建NLP开发环境

2.2.1 下载和安装Anaconda

2.2.2 conda的使用

2.2.3 中文分词工具——Jieba

2.2.4 PyTorch的下载与安装

2.2.5 Jupyter Notebook远程访问

2.3 TorchText的安装与介绍

2.4 本章小结

第3章 中文分词技术

3.1 分词的概念和分类

3.2 规则分词

3.2.1 正向最大匹配

3.2.2 逆向最大匹配

3.2.3 双向最大匹配

3.3 统计分词

3.4 混合分词

3.5 Jieba分词

3.6 准确率评测

3.6.1 混淆矩阵

3.6.2 中文分词中的P、R、F1计算

3.7 本章小结

第4章 数据预处理

4.1 数据集介绍

4.2 数据预处理

4.3 TorchText预处理

4.3.1 torchtext.data

4.3.2 torchtext.datasets

4.3.3 构建词表

4.3.4 构建迭代器

4.4 本章小结

第5章 词向量实战

5.1 词向量的由来

5.1.1 one-hot模型

5.1.2 神经网络词向量模型

5.2 word2vec

5.2.1 初探word2vec

5.2.2 深入CBOW模型

5.2.3 Skip-gram模型介绍

5.2.4 word2vec模型本质

5.3 glove

5.3.1 初探glove

5.3.2 glove模型原理

5.4 word2vec实战

5.4.1 预处理模块

5.4.2 模型框架

5.4.3 模型训练

5.4.4 模型评估

5.5 glove实战

5.5.1 预处理模块

5.5.2 模型框架

5.5.3 模型训练

5.5.4 模型评估

5.6 本章小结

第6章 序列标注与中文NER实战

6.1 序列标注任务

6.1.1 任务定义及标签体系

6.1.2 任务特点及对比

6.1.3 任务应用场景

6.2 序列标注的技术方案

6.2.1 隐马尔可夫模型

6.2.2 条件随机场

6.2.3 循环神经网络

6.2.4 Bert

6.3 序列标注实战

6.3.1 中文NER数据集

6.3.2 数据预处理

6.3.3 模型训练框架

6.3.4 模型评估

6.4 BiLSTM

6.4.1 参数介绍