会话式AI：自然语言处理与人机交互

作品简介

本书从逻辑上看分为三大部分。第一部分（第1～2章）介绍语言理解的基础概念与环境搭建。其中，第1章介绍人机交互的演变历史及技术变革。第2章介绍前置技术，重点涵盖PyTorch、TorchText、Jieba等自然语言处理学习库的使用方法。第二部分（第3～8章）介绍自然语言处理和人机交互相关的核心技术。本书强调理论与实战并行，在介绍相关核心技术的同时，每章针对相应核心算法展开实战，在真实中文数据集下验证算法性能，让读者从更深层面了解相关算法。第3章主要介绍中文分词技术，包含分词概念、分类体系、常见分词算法，并针对HMM算法进行实战。第4章主要介绍数据预处理相关内容，重点关注TorchText针对数据预处理与构建数据集的使用。词向量（第5章）、序列标注（第6章）、文本分类（第7章）、文本生成（第8章）作为4种核心技术将分别单独介绍。第三部分（第9～12章）通过讲解人机交互中4个不同类型的高阶技术，帮助读者了解人机交互中的深层技术。其中包括对话生成（第9章）、知识图谱问答（第10章）、自然语言推理（第11章）和实体语义理解（第12章）。

杜振东，涂铭编著

作品目录

• 前言
• 第1章　人机交互导论
• 1.1　图灵测试
• 1.2　专家系统
• 1.3　人机交互
• 1.4　机器人形态
• 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
• 2.2　搭建NLP开发环境
• 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
• 3.3　统计分词
• 3.4　混合分词
• 3.5　Jieba分词
• 3.6　准确率评测
• 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
• 4.4　本章小结
• 第5章　词向量实战
• 5.1　词向量的由来
• 5.2　word2vec
• 5.3　glove
• 5.4　word2vec实战
• 5.5　glove实战
• 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
• 6.2　序列标注的技术方案
• 6.3　序列标注实战
• 6.4　BiLSTM
• 6.5　BiLSTM-CRF
• 6.6　本章小结
• 第7章　文本分类技术
• 7.1　TFIDF与朴素贝叶斯
• 7.2　TextCNN
• 7.3　FastText
• 7.4　后台运行
• 7.5　本章小结
• 第8章　循环神经网络
• 8.1　RNN
• 8.2　LSTM
• 8.3　GRU
• 8.4　TextRNN
• 8.5　TextRCNN
• 8.6　实战案例之诗歌生成
• 8.7　本章小结
• 第9章　语言模型与对话生成
• 9.1　自然语言生成介绍
• 9.2　序列生成模型
• 9.3　经典的seq2seq框架
• 9.4　Attention机制
• 9.5　Bert——自然语言处理的新范式
• 9.6　聊天机器人实战
• 9.7　本章小结
• 第10章　知识图谱问答
• 10.1　知识图谱概述
• 10.2　关系抽取
• 10.3　人物间关系识别
• 10.4　图谱构建
• 10.5　基于深度学习的知识图谱问答模块
• 10.6　本章小结
• 第11章　自然语言推理
• 11.1　自然语言推理介绍
• 11.2　自然语言推理常见模型
• 11.3　多轮对话中的答案导向问题
• 11.4　答案导向问题的实战
• 11.5　本章小结
• 第12章　实体语义理解
• 12.1　实体语义理解简介
• 12.2　现有语义理解系统分析
• 12.3　实体语义理解的技术方案
• 12.4　实体语义理解实战
• 12.5　数值解析实战
• 12.6　时间解析实战
• 12.7　本章小结