智能对话入门与实践

图书信息

图书特色

零基础入门人工智能对话：250个图例+10余种相关模型+2个大型开源框架+3个不同特色的企业级架构及4个不同场景落地方案，帮助读者轻松玩转智能对话。

内容简介

近年来，随着人工智能技术的不断发展，智能对话系统开始在私人助理、智能客服、现代搜索引擎等领域逐渐应用，为大众提供不同程度的智能高效服务。本书旨在指导初学者轻松进入智能对话领域，并逐步深入实战中，同时通过项目案例将理论与实战相结合，使读者不仅能系统地学习智能对话的基本理论，还能快速地将其应用于实践。

本书共分为12章，分为三部分。**部分是理论基础篇，主要介绍了概率统计、统计学习、深度学习和强化学习等方面的基本理论。第二部分是技术篇，着重讲解了智能对话系统中常见的功能系统及几个著名企业的智能问答架构实现，帮助读者理解智能对话的工程架构和实践理论。这里的常见功能系统包括FAQ问答、知识图谱问答、任务型问答和表格问答等内容。第三部分是实践篇，涵盖了智能对话开源框架和问答系统实例介绍，从多个角度让读者完整地了解对话系统的架构实现，并具备自己搭建智能对话系统的能力。

本书内容通俗易懂，案例丰富，实用性强，特别适合对智能对话系统感兴趣的入门读者和进阶读者阅读，也适合初中级自然语言处理（NLP）工程师或人工智能（AI）算法工程师等其他编程爱好者阅读。此外，本书也适合作为大专院校及相关培训机构的教材使用。

目录

1. 智能对话入门与实践 目录
2. 第1章 概率统计基础 5
3. 1.1 概率基础 6
4. 1.1.1 从概率到条件概率 6
5. 1.1.2 随机事件的关系 7
6. 1.1.3 贝叶斯定理 9
7. 1.2 随机变量 11
8. 1.2.1 随机变量的引入 11
9. 1.2.2 常见概率分布 13
10. 1.2.3 多元随机变量（联合、边缘与条件 | 独立与相关） 17
11. 1.2.3 多元正态分布 23
12. 1.3 统计推断 24
13. 1.3.1 *大似然 25
14. 1.3.2 *大后验 26
15. 1.4 随机过程 27
16. 1.4.1 马尔可夫链 27
17. 1.4.2 马尔可夫链的极限与稳态 29
18. 1.4.3 马尔可夫链蒙特卡洛方法 30
19. 1.5 本章小结 32
20. 第2章 统计学习 33
21. 2.1 朴素贝叶斯 33
22. 2.2 支持向量机 36
23. 2.2.1 支持向量机的理论基础 36
24. 2.2.2 SMO算法原理 37
25. 2.3 *大熵 39
26. 2.3.1 信息熵 40
27. 2.3.2 *大熵推导 41
28. 2.3.3 *大熵模型 41
29. 2.4 条件随机场 43
30. 2.4.1 马尔可夫随机场 43
31. 2.4.2 条件随机场原理 45
32. 2.4.3 推断算法 46
33. 2.5 本章小结 48
34. 第3章 深度学习 48
35. 3.1 神经网络 48
36. 3.1.1 神经元 48
37. 3.1.2 网络结构 53
38. 3.1.3 反向传播算法 55
39. 3.2 卷积神经网络 57
40. 3.2.1 卷积层 57
41. 3.2.2 汇聚层 58
42. 3.2.3 CNN句子建模 59
43. 3.3 循环神经网络 62
44. 3.3.1 简单循环网络 63
45. 3.3.2 长短期记忆网络 64
46. 3.3.3 LSTM句子建模 66
47. 3.4 Attention机制 68
48. 3.4.1 什么是注意力机制 69
49. 3.4.2 Encoder-Decoder框架 70
50. 3.4.3 Attention模型 71
51. 3.4.4 Attention机制的原理 73
52. 3.5 预训练模型 74
53. 3.5.1 非上下文感知模型 75
54. 3.5.2 上下文感知模型 79
55. 3.6 本章小结 88
56. 第4章 强化学习 89
57. 4.1 什么是强化学习 89
58. 4.1.1 强化学习的组成要素 90
59. 4.1.2 马尔可夫决策过程 92
60. 4.1.3 *优价值函数和*优策略 97
61. 展开全部