Python聊天機器人開發(fā)：基于自然語言處理與機器學習

定　價：￥69.00

作　者：	[印] Sumit Raj（蘇米特?拉杰）著，黃光遠譯
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787121383472	出版時間：	2020-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	184	字數(shù)：

內(nèi)容簡介

　　本書是使用 Python 動手搭建聊天機器人的入門書籍。全書共 5 章，包含聊天機器人的發(fā)展歷史、自然語言處理的相關(guān)知識，以及多種搭建、部署聊天機器人的基本方法。此外，作者還提供了豐富的源碼和細致的教程，極具實操性。無論你是具有一定 Python 編程基礎(chǔ)的技術(shù)人員，還是想更多了解聊天機器人相關(guān)知識的產(chǎn)品經(jīng)理、項目管理人員，都能從本書學習到搭建聊天機器人的相關(guān)內(nèi)容，并能在本書的指導下實際完成聊天機器人的搭建和對外發(fā)布。

作者簡介

　　Sumit Raj是一個喜歡編程和搭建應用的技術(shù)人員，也是一位對機器學習和自然語言處理有濃厚興趣的Python專家。他相信通過程序，可以直接影響公司的營收情況。Sumit曾在多個領(lǐng)域工作，如個人財務管理、房地產(chǎn)、電子商務和收益分析，完成了多個可擴展的應用程序。他曾幫助多個早期創(chuàng)業(yè)公司完成了他們產(chǎn)品的初始設計和架構(gòu)，這些公司后來得到了投資者和政府的贊助。他擁有尖端技術(shù)的豐富經(jīng)驗，這些經(jīng)驗被用于互聯(lián)網(wǎng)/企業(yè)級應用的可擴展性、性能調(diào)優(yōu)和降低成本等方面。譯者黃光遠：阿里巴巴高級算法工程師，現(xiàn)于阿里達摩院人工智能實驗室，從事天貓精靈人工智能語音交互領(lǐng)域，專攻語音系統(tǒng)算法架構(gòu)與NLP算法應用；曾在阿里數(shù)據(jù)技術(shù)部負責電商場景的數(shù)據(jù)化運營、圈人投放、差異化選品、場景挖掘與用戶畫像，以及在淘寶技術(shù)部負責復雜網(wǎng)絡、Spark圖算法并行化研發(fā)等工作。

圖書目錄

第 1 章心愛的聊天機器人 1
聊天機器人的受歡迎程度 2
Python 之禪以及為什么它適用于聊天機器人 3
對聊天機器人的需求 4
商業(yè)視角 5
開發(fā)者視角 9
受聊天機器人影響的行業(yè) 11
聊天機器人的發(fā)展歷程 12
1950 12
1966 12
1972 12
1981 12
1985 12
1992 13
1995 13
1996 13
2001 13
2006 13
2010 13
目錄 XIII
2012 14
2014 14
2015 14
2016 14
2017 14
我可以用聊天機器人解決什么樣的問題 15
這個問題能通過簡單的問答或來回交流解決嗎 15
這個工作是否有高度重復性，需要進行數(shù)據(jù)收集和分析 15
你的機器人的任務可以自動化和固定化嗎 16
一個 QnA 機器人 16
從聊天機器人開始 17
聊天機器人中的決策樹 18
在聊天機器人中使用決策樹 18
決策樹如何起到作用 18
最好的聊天機器人/機器人框架 21
聊天機器人組件和使用的相關(guān)術(shù)語 23
意圖（Intent） 23
實體（Entities） 23
話術(shù)（Utterances） 24
訓練機器人 24
置信度得分 24
第 2 章聊天機器人中的自然語言處理 25
為什么我需要自然語言處理知識來搭建聊天機器人 25
spaCy 是什么 26
spaCy 的基準測試結(jié)果 27
spaCy 提供了什么能力 27
spaCy 的特性 28
安裝和前置條件 29
spaCy 模型是什么 31
搭建聊天機器人所使用的自然語言處理基本方法 32
XIV Python 聊天機器人開發(fā)
詞性標注 32
詞干提取和詞性還原 36
命名實體識別 38
停用詞 41
依存句法分析 43
名詞塊 47
計算相似度 49
搭建聊天機器人時自然語言處理的一些好方法 51
分詞 51
正則表達式 52
總結(jié) 53
第 3 章輕松搭建聊天機器人 55
Dialogflow 簡介 55
開始 56
搭建一個點餐機器人 57
確定范圍 57
列舉意圖 57
列舉實體 58
搭建點餐機器人 58
Dialogflow 入門 59
創(chuàng)建意圖的幾大要點 62
創(chuàng)建意圖并添加自定義話術(shù) 62
為意圖添加默認回復 63
菜品描述意圖及附屬實體 64
理解用戶需求并回復 67
將 Dialogflow 聊天機器人發(fā)布到互聯(lián)網(wǎng)上 72
在 Facebook Messenger 上集成 Dialogflow 聊天機器人 75
設置 Facebook 76
創(chuàng)建一個 Facebook 應用程序 76
設置 Dialogflow 控制臺 77
配置 Webhook 79
目錄 XV
測試信使機器人 80
Fulfillment 83
啟用 Webhook 85
檢查響應數(shù)據(jù) 87
總結(jié) 89
第 4 章從零開始搭建聊天機器人 91
Rasa NLU 是什么 92
我們?yōu)槭裁匆褂?Rasa NLU 92
深入了解 Rasa NLU 93
從零開始訓練和搭建聊天機器人 94
搭建一個星座聊天機器人 94
星座機器人和用戶之間的對話腳本 95
為聊天機器人準備數(shù)據(jù) 96
訓練聊天機器人模型 101
從模型進行預測 103
使用 Rasa Core 進行對話管理 105
深入了解 Rasa Core 及對話系統(tǒng) 105
理解 Rasa 概念 108
為聊天機器人創(chuàng)建域文件 111
為聊天機器人編寫自定義動作 113
訓練機器人的數(shù)據(jù)準備 116
構(gòu)造故事數(shù)據(jù) 117
交互學習 119
將對話導出成故事 132
測試機器人 133
測試用例一 133
測試用例二 134
總結(jié) 135
XVI Python 聊天機器人開發(fā)
第 5 章部署自己的聊天機器人 137
前提條件 137
Rasa 的憑據(jù)管理 137
在 Facebook 上部署聊天機器人 139
在 Heroku 上創(chuàng)建一個應用 139
在本地系統(tǒng)中安裝 Heroku 140
在 Facebook 上創(chuàng)建和設置應用程序 140
在 Heroku 上創(chuàng)建和部署 Rasa 動作服務器應用程序 143
創(chuàng)建 Rasa 聊天機器人 API 應用程序 144
創(chuàng)建一個用于 Facebook Messenger 聊天機器人的獨立腳本 144
驗證對話管理應用程序在 Heroku 上的部署情況 147
集成 Facebook Webhook 148
部署后驗證：Facebook 聊天機器人 149
在 Slack 上部署聊天機器人 151
為 Slack 創(chuàng)建獨立腳本 151
編輯 Procfile 154
將 Slack 機器人最終部署到 Heroku 上 154
訂閱 Slack 事件 155
訂閱機器人事件 156
部署后驗證：Slack 機器人 156
獨立部署聊天機器人 157
編寫腳本實現(xiàn)自己的聊天機器人通道 158
編寫 Procfile 并部署到 Web 上 159
驗證你的聊天機器人 API 160
繪制聊天機器人的圖形界面 161
總結(jié) 165