科技 类型
6.6 豆瓣评分
可以朗读 语音朗读
140千字 字数
2022-03-01 发行日期
展开全部

主编推荐语

本书帮你使用机器学习技术快速创建工业级的对话机器人。

内容简介

Rasa是一款开源的对话机器人框架，能让开发者使用机器学习技术快速创建工业级的对话机器人。得益于丰富的功能、先进的机器学习能力和可以快速上手的特性，Rasa框架是目前流行的开源对话机器人框架。

本书首先介绍Rasa的两个核心组件——Rasa NLU和Rasa Core的工作流程；然后详细介绍通过使用Rasa生态系统从头开始构建、配置、训练和服务不同类型的对话机器人的整体过程，如任务型、FAQ、知识图谱聊天机器人等，其中包括使用基于表单（form）的对话管理、Response Selector来处理闲聊和FAQ，利用知识库来回答动态查询的问题等，以及自定义Rasa框架，使用对话驱动的开发模式和工具来开发对话机器人，探索机器人能做什么，并通过交互式学习来轻松修复它所犯的任何错误；最后会介绍将Rasa系统部署到具有高性能和高可扩展性的生产环境中，从而建立一个高效和强大的聊天系统。

目录

  • 版权信息
  • 内容简介
  • Foreword
  • 推荐序
  • 前言
  • 第1章 人机对话基础和Rasa简介
  • 1.1 机器学习基础
  • 1.2 自然语言处理基础
  • 1.2.1 现代自然语言处理发展简史
  • 1.2.2 自然语言处理的基础任务
  • 1.3 人机对话流程
  • 1.3.1 确定对话机器人的应用场景
  • 1.3.2 传统对话机器人架构
  • 1.3.3 语音识别
  • 1.3.4 自然语言理解
  • 1.3.5 对话管理
  • 1.3.6 自然语言生成
  • 1.3.7 语音合成
  • 1.4 Rasa简介
  • 1.4.1 系统结构
  • 1.4.2 如何安装Rasa
  • 1.4.3 Rasa项目的基本流程
  • 1.4.4 Rasa常用命令
  • 1.4.5 创建示例项目
  • 1.5 小结
  • 第2章 Rasa NLU基础
  • 2.1 功能与结构
  • 2.2 训练数据
  • 2.2.1 意图字段
  • 2.2.2 同义词字段
  • 2.2.3 查找表字段
  • 2.2.4 正则表达式字段
  • 2.2.5 正则表达式和查找表的使用
  • 2.3 组件
  • 2.3.1 语言模型组件
  • 2.3.2 分词组件
  • 2.3.3 特征提取组件
  • 2.3.4 NER组件
  • 2.3.5 意图分类组件
  • 2.3.6 实体和意图联合提取组件
  • 2.3.7 回复选择器
  • 2.4 流水线
  • 2.4.1 什么是流水线
  • 2.4.2 配置流水线
  • 2.4.3 推荐的流水线配置
  • 2.5 输出格式
  • 2.5.1 意图字段
  • 2.5.2 实体字段
  • 2.5.3 其他可能字段
  • 2.6 如何使用Rasa NLU
  • 2.6.1 训练模型
  • 2.6.2 从命令行测试
  • 2.6.3 启动服务
  • 2.7 实战：医疗机器人的NLU模块
  • 2.7.1 功能
  • 2.7.2 实现
  • 2.7.3 训练模型
  • 2.7.4 运行服务
  • 2.8 小结
  • 第3章 Rasa Core基础
  • 3.1 功能与结构
  • 3.2 领域
  • 3.2.1 意图与实体
  • 3.2.2 动作
  • 3.2.3 词槽
  • 3.2.4 回复
  • 3.2.5 会话配置
  • 3.2.6 全局性配置
  • 3.3 故事
  • 3.3.1 用户消息
  • 3.3.2 机器人动作与事件
  • 3.3.3 辅助符号
  • 3.4 动作
  • 3.4.1 回复动作
  • 3.4.2 表单
  • 3.4.3 默认动作
  • 3.4.4 自定义动作
  • 3.5 词槽
  • 3.5.1 词槽和对话行为
  • 3.5.2 词槽的类型
  • 3.5.3 词槽的映射
  • 3.5.4 词槽初始化
  • 3.6 策略
  • 3.6.1 策略的配置
  • 3.6.2 内建的策略
  • 3.6.3 策略的优先级
  • 3.6.4 数据增强
  • 3.7 端点
  • 3.8 Rasa SDK和自定义动作
  • 3.8.1 安装
  • 3.8.2 自定义动作
  • 3.8.3 tracker对象
  • 3.8.4 事件对象
  • 3.8.5 运行自定义动作
  • 3.9 Rasa支持的客户端
  • 3.10 实战：报时机器人
  • 3.10.1 功能
  • 3.10.2 实现
  • 3.10.3 运行动作服务器
  • 3.10.4 运行Rasa服务器和客户端
  • 3.11 小结
  • 第4章 使用ResponseSelector实现FAQ和闲聊功能
  • 4.1 如何定义用户问题
  • 4.2 如何定义问题的答案
  • 4.3 如何训练Rasa
  • 4.4 实战：构建FAQ机器人
  • 4.4.1 功能
  • 4.4.2 实现
  • 4.4.3 训练模型
  • 4.4.4 运行服务
  • 4.5 小结
  • 第5章 基于规则的对话管理
  • 5.1 fallback
  • 5.1.1 NLU fallback
  • 5.1.2 策略fallback
  • 5.2 意图触发动作
  • 5.2.1 内建意图触发动作
  • 5.2.2 自定义意图触发动作
  • 5.3 表单
  • 5.3.1 定义表单
  • 5.3.2 激活表单
  • 5.3.3 执行表单任务
  • 5.4 实战：天气预报机器人
  • 5.4.1 功能
  • 5.4.2 实现
  • 5.4.3 客户端/服务器
  • 5.4.4 运行Rasa服务器
  • 5.4.5 运行动作服务器
  • 5.4.6 运行网页客户端
  • 5.4.7 更多可能的功能
  • 5.5 小结
  • 第6章 基于知识库的问答
  • 6.1 使用ActionQueryKnowledgeBase
  • 6.1.1 创建知识库
  • 6.1.2 NLU数据
  • 6.1.3 自定义基于知识库的动作
  • 6.2 工作原理
  • 6.2.1 对象查询
  • 6.2.2 属性查询
  • 6.2.3 解析指代
  • 6.3 自定义
  • 6.3.1 自定义ActionQueryKnowledgeBase
  • 6.3.2 自定义InMemoryKnowledgeBase
  • 6.3.3 创建自定义知识库
  • 6.4 实战：基于知识库的音乐百科机器人
  • 6.4.1 功能
  • 6.4.2 实现
  • 6.4.3 客户端/服务器
  • 6.4.4 运行Rasa服务器
  • 6.4.5 运行动作服务器
  • 6.4.6 运行网页客户端
  • 6.4.7 使用Neo4j
  • 6.5 小结
  • 第7章 实体角色和分组
  • 7.1 实体角色
  • 7.2 实体分组
  • 7.3 组件支持情况
  • 7.4 实战：订票机器人
  • 7.4.1 功能
  • 7.4.2 实现
  • 7.4.3 客户端/服务器
  • 7.4.4 运行Rasa服务器
  • 7.4.5 运行动作服务器
  • 7.4.6 运行网页客户端
  • 7.5 小结
  • 第8章 测试和生产环境部署
  • 8.1 如何测试机器人的表现
  • 8.1.1 对NLU和故事数据进行校验
  • 8.1.2 编写测试用的故事
  • 8.1.3 评估NLU模型
  • 8.1.4 评估对话管理模型
  • 8.2 在生产环境中部署机器人
  • 8.2.1 部署时间
  • 8.2.2 选择模型存储方式
  • 8.2.3 选择tracker store
  • 8.2.4 选择lock store
  • 8.2.5 单机高并发设置
  • 8.3 实战：单机部署高性能Rasa服务
  • 8.3.1 架设redis服务器
  • 8.3.2 使用redis作为tracker store
  • 8.3.3 使用redis作为lock store
  • 8.3.4 单机高并发设置
  • 8.3.5 性能测试
  • 8.4 小结
  • 第9章 Rasa的工作原理与扩展性
  • 9.1 Rasa的工作原理
  • 9.1.1 训练阶段
  • 9.1.2 推理阶段
  • 9.2 Rasa的扩展性
  • 9.2.1 如何使用自定义NLU组件和自定义策略
  • 9.2.2 如何自定义一个NLU组件或策略
  • 9.2.3 自定义词槽类型
  • 9.2.4 其他功能的扩展性
  • 9.3 实战：实现自定义分词器
  • 9.3.1 分词器MicroTokenizer的简介
  • 9.3.2 代码详解
  • 9.3.3 使用自定义分词器
  • 9.4 小结
  • 第10章 Rasa技巧与生态
  • 10.1 如何调试Rasa
  • 10.1.1 预测结果不正确
  • 10.1.2 代码出错
  • 10.2 如何阅读Rasa源代码
  • 10.2.1 阅读源代码前
  • 10.2.2 阅读源代码时
  • 10.2.3 阅读源代码后
  • 10.3 对话驱动开发和Rasa X
  • 10.3.1 对话驱动开发
  • 10.3.2 Rasa X
  • 10.4 运行交互式学习
  • 10.4.1 启动交互式学习
  • 10.4.2 进行交互式学习
  • 10.4.3 保存交互式学习的数据
  • 10.4.4 对话过程可视化
  • 10.5 社区生态
  • 10.5.1 数据生成工具Chatito
  • 10.5.2 数据生成工具Chatette
  • 10.5.3 数据标注工具Doccano
  • 10.5.4 Rasa Chinese软件包
  • 10.6 小结
  • 附录A 中英文术语翻译对照表
展开全部

评分及书评

评分不足
2个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。