我用夸克网盘分享了「聊天机器人：入门、进阶与实战.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

内容简介

★刘宇 数据科学技术总监 ，毕业于清华大学，现就职于猎聘网。 在NLP算法领域有7年以上的开发经验，目前的研究重点是深度学习在NLP方面的实际应用，热衷于钻研NLP算法技术在对话系统、搜索系统等实际场景下的应用。对机器学习、大数据应用与开发、深度学习等也颇有研究。精通Java、C++、Python等主流编程语言，熟悉软件架构和开发原则。 ★崔燕红 资深人工智能技术专家，毕业于开普敦大学，博士，现任北京泰迪熊科技公司首席数据算法科学家。 曾在唯品会NLP部门担任主任研究员。精通Java 语言，有6年Java 相关开发经验，熟悉Python语言，在时间序列分析、全局优化算法、机器学习、NLP、深度学习领域卓有建树。 ★郭师光 资深大数据和人工智能技术专家，毕业于俄克拉荷马大学，博士。 曾在斯伦贝谢公司从事研发工作，研究领域涉及数据建模、油气藏的智能模式识别等。后在唯品会研究院担任资深研发，研究项目主要包括深度学习算法、搜索意图识别等。现于北京信息科技大学任职，主要研究方向包括大数据、智能对话系统、图像识别以及深度学习模型的商业化应用。累计发表SCI检索论文和国际会议论文十余篇。 ★党习歌 NLP算法工程师，毕业于北京邮电大学，计算机专业硕士。 现就职于唯品会智能应用部。精通Java，在NLP算法领域有3年以上开发经验。目前主要研究NLP在对话系统、搜索等场景的应用，对机器学习、NLP算法、数学模型等颇有研究。

作者简介

★刘宇 数据科学技术总监 ，毕业于清华大学，现就职于猎聘网。 在NLP算法领域有7年以上的开发经验，目前的研究重点是深度学习在NLP方面的实际应用，热衷于钻研NLP算法技术在对话系统、搜索系统等实际场景下的应用。对机器学习、大数据应用与开发、深度学习等也颇有研究。精通Java、C++、Python等主流编程语言，熟悉软件架构和开发原则。 ★崔燕红 资深人工智能技术专家，毕业于开普敦大学，博士，现任北京泰迪熊科技公司首席数据算法科学家。 曾在唯品会NLP部门担任主任研究员。精通Java 语言，有6年Java 相关开发经验，熟悉Python语言，在时间序列分析、全局优化算法、机器学习、NLP、深度学习领域卓有建树。 ★郭师光 资深大数据和人工智能技术专家，毕业于俄克拉荷马大学，博士。 曾在斯伦贝谢公司从事研发工作，研究领域涉及数据建模、油气藏的智能模式识别等。后在唯品会研究院担任资深研发，研究项目主要包括深度学习算法、搜索意图识别等。现于北京信息科技大学任职，主要研究方向包括大数据、智能对话系统、图像识别以及深度学习模型的商业化应用。累计发表SCI检索论文和国际会议论文十余篇。 ★党习歌 NLP算法工程师，毕业于北京邮电大学，计算机专业硕士。 现就职于唯品会智能应用部。精通Java，在NLP算法领域有3年以上开发经验。目前主要研究NLP在对话系统、搜索等场景的应用，对机器学习、NLP算法、数学模型等颇有研究。

网友热评

惟以不永怀: 和我之前看的李嘉璇那本一星tensorflow书有得一拼，国内出书的门槛也太低了，什么阿猫阿狗都能出书，四个臭皮匠，凑一桌打麻将去吧

图书目录

推荐序一 推荐序二 前言 第1章概率统计与应用数学的基础知识 1.1概率的定义 1.2条件概率与贝叶斯公式 1.3随机变量与分布函数 1.4概率分布与参数估计 1.5随机过程与马尔可夫模型 1.6信息熵 1.7本章小结 第2章语言模型与多元文法 2.1词袋模型 2.2N-Gram模型 2.2.1N-Gram简介 2.2.2N-Gram算法 2.2.3N-Gram用途 2.3数据平滑 2.3.1加法平滑方法 2.3.2Good-Turing估计法 2.3.3组合平滑方法 第3章序列标注模型 3.1中文分词 3.1.1条件随机场 3.1.2条件随机场进行中文分词 3.2词性标注 3.2.1词性标注的标准 3.2.2利用隐马尔可夫进行词性标注 3.3命名实体识别 3.3.1利用条件随机场模型进行命名实体识别 3.3.2命名实体识别在对话系统中的作用 3.4序列标注模型 3.5本章小结 第4章文本分析 4.1关键词抽取 4.1.1词频-逆文档频次算法 4.1.2TextRank 4.2文本分类 4.2.1贝叶斯文本分类模型 4.2.2决策树文本分类模型 4.2.3SVM文本分类模型 4.3主题模型 4.3.1基础知识回顾 4.3.2吉布斯采样 4.3.3隐狄利克雷分配模型 4.4本章小结 第5章深度学习模型 5.1基于深度学习的自然语言模型 5.1.1神经网络自然语言模型与词向量 5.1.2ANeuralProbabilisticLanguageModel 5.1.3CBOW和Skip-Gram 5.1.4Huffman编码与Huffmantree 5.1.5CBOW-HierarchicalSoftmax 5.1.6Skip-Gram-HierarchicalSoftmax 5.1.7FastText 5.1.8词的全局向量表示 5.2卷积网络CNN 5.2.1卷积网络CNN理论 5.2.2利用CNN进行文本分类 5.3循环网络RNN 5.3.1循环网络RNN（LSTM，GRU）理论 5.3.2利用RNN进行情感分析 5.3.3Sequence-to-SequencewithAttentionModel 5.4Transformer 5.4.1ResNet（ResidualNetwork）残差网络模型 5.4.2Attentionisallyouneed（Transformer） 5.5预训练模型 5.5.1EmbeddingsfromLanguageModels（ELMo） 5.5.2BERT 第6章对话机器人的发展综述 6.1对话机器人发展史 6.1.1对话机器人的近况 6.1.2开放域 6.1.3垂直领域 6.1.4对话机器人的未来发展趋势 6.2人工智能在对话机器人中的应用 6.2.1深度学习在机器人方面的应用 6.2.2强化学习在机器人方面的应用 6.2.3知识图谱在机器人方面的应用 第7章自然语言理解与知识图谱 7.1知识图谱的表示：三元组模型 7.2知识抽取 7.2.1知识抽取-命名实体识别 7.2.2利用CRF模型识别NER 7.2.3利用BiLSTM+CRF模型进行命名实体识别 7.3知识抽取-实体关系抽取：RelationExtraction 7.4知识图谱的构建 第8章答案生成与多轮对话 8.1预测会话与答案生成 8.1.1信息检索：利用搜索来预测答案 8.1.2句型模板匹配标准问题生成答案 8.1.3根据知识图谱推理得到答案 8.2多轮对话 8.2.1多轮对话概述 8.2.2任务型多轮对话的控制和生成 8.2.3多主题多轮对话 第9章对话系统的工程架构 9.1对话系统的工程技术 9.1.1常用技术 9.1.2对话系统的分类 9.1.3主要系统软件介绍 9.1.4系统运维相关 9.2对话系统的架构实现 9.2.1阿里小蜜 9.2.2百度对话系统 9.2.3垂直领域对话系统的架构 9.2.4开放领域对话系统的架构 9.3本章小结 第10章实战场景之一——客服机器人 10.1客服机器人架构 10.1.1功能需求 10.1.2系统逻辑架构图 10.2客服机器人设计 10.2.1FAQ的设计 10.2.2导购机器人的设计 10.2.3实例分析 10.3本章小结 第11章实战场景之二——开放域的QA问答 11.1开放领域问答机器人的架构 11.2开放领域问答机器人的开发流程和方案 11.3开放领域问答机器人的开发案例 第12章实战场景之三——聊天机器人 12.1Seq2Seq以及Attention机制 12.2BeamSearch 12.3基于Seq2Seq的聊天机器人开发流程 12.3.1语料准备 12.3.2定义Encoder和Decoder 12.3.3模型训练和评估模块 12.3.4模型预测和BeamSearch模块 12.4本章小结