最新av在线亚洲,18污禁网站在线观看

Rasa是一款開源的對話機(jī)器人框架，能讓開發(fā)者使用機(jī)器學(xué)習(xí)技術(shù)快速創(chuàng)建工業(yè)級的對話機(jī)器人。得益于豐富的功能、先進(jìn)的機(jī)器學(xué)習(xí)能力和可以快速上手的特性，Rasa框架是目前流行的開源對話機(jī)器人框架。本書首先介紹Rasa的兩個(gè)核心組件――Rasa NLU和Rasa Core的工作流程；然后詳細(xì)介紹通過使用Rasa生態(tài)系統(tǒng)從頭開始構(gòu)建、配置、訓(xùn)練和服務(wù)不同類型的對話機(jī)器人的整體過程，如任務(wù)型、FAQ、知識圖譜聊天機(jī)器人等，其中包括使用基于表單（form）的對話管理、ResponseSelector來處理閑聊和FAQ，利用知識庫來回答動(dòng)態(tài)查詢的問題等，以及自定義Rasa框架，使用對話驅(qū)動(dòng)的開發(fā)模式和工具來開發(fā)對話機(jī)器人，探索機(jī)器人能做什么，并通過交互式學(xué)習(xí)來輕松修復(fù)它所犯的任何錯(cuò)誤；最后會介紹將Rasa系統(tǒng)部署到具有高性能和高可擴(kuò)展性的生產(chǎn)環(huán)境中，從而建立一個(gè)高效和強(qiáng)大的聊天系統(tǒng)。

自然語言處理（Natural Language Processing，NLP）是人工智能領(lǐng)域的一個(gè)重要部分。當(dāng)人工智能已經(jīng)在數(shù)據(jù)建模預(yù)測和圖像分類識別等場景大放異彩的時(shí)候，隨著深度學(xué)習(xí)算法和計(jì)算機(jī)硬件的不斷發(fā)展，擁有悠久歷史的NLP漸漸展現(xiàn)出新的發(fā)展動(dòng)力和應(yīng)用落地潛力，而對話機(jī)器人是NLP集大成的應(yīng)用。

對話機(jī)器人已經(jīng)在互聯(lián)網(wǎng)和傳統(tǒng)行業(yè)中有了廣泛的應(yīng)用，應(yīng)用范圍包括自動(dòng)化提升工作效率、增加客戶服務(wù)智能水平和降低人工運(yùn)營成本等方面。本書以中文應(yīng)用為核心，向讀者系統(tǒng)地介紹對話機(jī)器人的落地構(gòu)建。

為什么寫這本書

在深度學(xué)習(xí)的發(fā)展浪潮中，NLP雖然有了很多重要的進(jìn)步，但是相比圖像視覺識別等領(lǐng)域，NLP有著特殊的一面。因?yàn)閳D像中的貓都是一樣的，中國的貓?jiān)诿绹彩秦垼皇艿貐^(qū)、語言、文化背景等限制，所以圖像數(shù)據(jù)是通用的，算法也一致。文字則不同：全球各地的書寫語言各不相同，相同書寫語言國家中不同地區(qū)的口語方言也各有千秋，用英語語料訓(xùn)練出的NLP模型并不適用于中文，因此NLP語料不具備通用性。

加上人類的語言本身具有歧義性、隱蔽性和常識性，如指代不明、諷刺、縮略等，NLP在技術(shù)實(shí)現(xiàn)上相當(dāng)困難，在中文方面尤其如此——一方面，中文NLP缺乏學(xué)術(shù)界質(zhì)量良好的大規(guī)模中文語料庫；另一方面，主流開源框架對中文NLP的支持并不友好。

據(jù)筆者所知，當(dāng)前的NLP參考數(shù)據(jù)，或者完全基于傳統(tǒng)NLP的技術(shù)架構(gòu)，與當(dāng)前新的技術(shù)有所脫節(jié)，或者太過理論而缺乏實(shí)踐，尤其是對中文NLP任務(wù)實(shí)踐的深層次積累。

因此，我們在本書借助Rasa介紹構(gòu)建對話機(jī)器人這一NLP集大成的任務(wù)，從而展現(xiàn)中文 NLP 的核心技術(shù)的實(shí)踐和應(yīng)用。

關(guān)于本書作者

孔曉泉谷歌開發(fā)者機(jī)器學(xué)習(xí)技術(shù)專家（Google Developer Expert in Machine Learning），TensorFlow Addons Codeowner，Rasa SuperHero。多年來一直在世界 500 強(qiáng)公司帶領(lǐng)團(tuán)隊(duì)構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用和平臺。在NLP和對話機(jī)器人領(lǐng)域擁有豐富的理論和實(shí)踐經(jīng)驗(yàn)。

王冠北京大學(xué)學(xué)士，香港科技大學(xué)碩士，先后于香港應(yīng)用科技研究院、聯(lián)想機(jī)器智能實(shí)驗(yàn)室及瑞士再保險(xiǎn)數(shù)據(jù)科學(xué)團(tuán)隊(duì)從事數(shù)據(jù)建模、計(jì)算機(jī)圖像與NLP的研發(fā)工作，發(fā)表過數(shù)篇相關(guān)國際期刊論文和專利。當(dāng)前研究方向?yàn)槿斯ぶ悄茉诮鹑陬I(lǐng)域的應(yīng)用。

本書主要內(nèi)容

本書將詳細(xì)地介紹Rasa的生態(tài)體系，按照從入門到內(nèi)部原理，再到實(shí)戰(zhàn)的學(xué)習(xí)路線，讓第一次接觸機(jī)器學(xué)習(xí)和自然語言理解的用戶能夠迅速了解、掌握并實(shí)際運(yùn)用中文NLP的核心技術(shù)。本書由初級、中級和高級3個(gè)級別的Rasa知識組成。本書內(nèi)容與開發(fā)人員水平等級對應(yīng)表如下所示。

本書內(nèi)容與開發(fā)人員水平等級對應(yīng)表

開發(fā)人員水平等級等級能力要求對應(yīng)本書內(nèi)容

初級熟悉Rasa各個(gè)組件的概念，熟練利用現(xiàn)有的常用組件構(gòu)建一個(gè)單機(jī)Rasa Bot 第1章、第2章、第3章

中級熟練利用所有內(nèi)建組件構(gòu)建一個(gè)滿足工業(yè)標(biāo)準(zhǔn)的分布式Rasa Bot 第4章、第5章、第6章、第7章

高級熟悉Rasa各個(gè)系統(tǒng)的工作原理，按照需要新增、改造或創(chuàng)建新的子系統(tǒng)和組件第8章、第9章、第10章

如何閱讀本書

建議Rasa初學(xué)者，從頭開始逐步深入，并按照書中的項(xiàng)目逐一實(shí)踐，在確認(rèn)已經(jīng)掌握基礎(chǔ)概念后再繼續(xù)學(xué)習(xí)。同時(shí)建議，初學(xué)者不需要等到完全讀完整本書再去上手做實(shí)際的對話機(jī)器人，只要學(xué)會自己期望的學(xué)習(xí)內(nèi)容就可以開始進(jìn)行實(shí)戰(zhàn)，在實(shí)戰(zhàn)中遇到不懂的問題時(shí)，再來回顧本書或把本書當(dāng)作參考手冊反復(fù)查閱。

對于已經(jīng)有一定經(jīng)驗(yàn)的Rasa開發(fā)者，可以按照需求有選擇地精讀某些章節(jié)。有經(jīng)驗(yàn)的Rasa開發(fā)者快速通讀全書也有好處，一來可以了解最新的Rasa提供了哪些讀者尚不知道的高級技術(shù)（Rasa的技術(shù)體系進(jìn)化得相當(dāng)快），二來可以建立完善的Rasa知識體系，以后在實(shí)戰(zhàn)中遇到問題時(shí)，可以想起來書中提到的某個(gè)技術(shù)或方案或許可以解決這一問題。

對于非Rasa系統(tǒng)的對話系統(tǒng)開發(fā)者而言，閱讀本書可以學(xué)習(xí)Rasa系統(tǒng)是如何設(shè)計(jì)架構(gòu)，以保證系統(tǒng)的可擴(kuò)展性的。同時(shí)Rasa對話管理系統(tǒng)的設(shè)計(jì)是非常值得其他對話系統(tǒng)設(shè)計(jì)師參考學(xué)習(xí)的，我們建議重點(diǎn)閱讀第9章“Rasa的工作原理與擴(kuò)展性”。

致謝

感謝谷歌通過提供谷歌云信用額度（GCP credit）的方式來支持我們的工作。

第1章人機(jī)對話基礎(chǔ)和Rasa簡介 1
1．1 機(jī)器學(xué)習(xí)基礎(chǔ) 1
1．2 自然語言處理基礎(chǔ) 3
1．2．1 現(xiàn)代自然語言處理發(fā)展
簡史 3
1．2．2 自然語言處理的基礎(chǔ)
任務(wù) 7
1．3 人機(jī)對話流程 7
1．3．1 確定對話機(jī)器人的應(yīng)用
場景 7
1．3．2 傳統(tǒng)對話機(jī)器人架構(gòu) 8
1．3．3 語音識別 10
1．3．4 自然語言理解 10
1．3．5 對話管理 12
1．3．6 自然語言生成 13
1．3．7 語音合成 14
1．4 Rasa 簡介 14
1．4．1 系統(tǒng)結(jié)構(gòu) 15
1．4．2 如何安裝Rasa 16
1．4．3 Rasa 項(xiàng)目的基本流程 16
1．4．4 Rasa常用命令 16
1．4．5 創(chuàng)建示例項(xiàng)目 17
1．5 小結(jié) 17
第2章 Rasa NLU基礎(chǔ) 18
2．1 功能與結(jié)構(gòu) 18
2．2 訓(xùn)練數(shù)據(jù) 19
2．2．1 意圖字段 21
2．2．2 同義詞字段 22
2．2．3 查找表字段 23
2．2．4 正則表達(dá)式字段 23
2．2．5 正則表達(dá)式和查找表的
使用 24
2．3 組件 25
2．3．1 語言模型組件 26
2．3．2 分詞組件 26
2．3．3 特征提取組件 27
2．3．4 NER組件 27
2．3．5 意圖分類組件 28
2．3．6 實(shí)體和意圖聯(lián)合提取
組件 28
2．3．7 回復(fù)選擇器 28
2．4 流水線 28
2．4．1 什么是流水線 28
2．4．2 配置流水線 28
2．4．3 推薦的流水線配置 30
2．5 輸出格式 30
2．5．1 意圖字段 32
2．5．2 實(shí)體字段 32
2．5．3 其他可能字段 33
2．6 如何使用 Rasa NLU 34
2．6．1 訓(xùn)練模型 34
2．6．2 從命令行測試 34
2．6．3 啟動(dòng)服務(wù) 35
2．7 實(shí)戰(zhàn)：醫(yī)療機(jī)器人的NLU
模塊 36
2．7．1 功能 36
2．7．2 實(shí)現(xiàn) 36
2．7．3 訓(xùn)練模型 38
2．7．4 運(yùn)行服務(wù) 39
2．8 小結(jié) 40
第3章 Rasa Core基礎(chǔ) 41
3．1 功能與結(jié)構(gòu) 41
3．2 領(lǐng)域 41
3．2．1 意圖與實(shí)體 42
3．2．2 動(dòng)作 42
3．2．3 詞槽 43
3．2．4 回復(fù) 43
3．2．5 會話配置 45
3．2．6 全局性配置 45
3．3 故事 45
3．3．1 用戶消息 46
3．3．2 機(jī)器人動(dòng)作與事件 46
3．3．3 輔助符號 47
3．4 動(dòng)作 49
3．4．1 回復(fù)動(dòng)作 49
3．4．2 表單 49
3．4．3 默認(rèn)動(dòng)作 49
3．4．4 自定義動(dòng)作 50
3．5 詞槽 50
3．5．1 詞槽和對話行為 51
3．5．2 詞槽的類型 51
3．5．3 詞槽的映射 52
3．5．4 詞槽初始化 52
3．6 策略 53
3．6．1 策略的配置 53
3．6．2 內(nèi)建的策略 53
3．6．3 策略的優(yōu)先級 54
3．6．4 數(shù)據(jù)增強(qiáng) 54
3．7 端點(diǎn) 54
3．8 Rasa SDK和自定義動(dòng)作 55
3．8．1 安裝 55
3．8．2 自定義動(dòng)作 55
3．8．3 tracker對象 56
3．8．4 事件對象 56
3．8．5 運(yùn)行自定義動(dòng)作 57
3．9 Rasa支持的客戶端 57
3．10 實(shí)戰(zhàn)：報(bào)時(shí)機(jī)器人 59
3．10．1 功能 59
3．10．2 實(shí)現(xiàn) 60
3．10．3 運(yùn)行動(dòng)作服務(wù)器 66
3．10．4 運(yùn)行Rasa服務(wù)器和
客戶端 66
3．11 小結(jié) 67
第4章使用ResponseSelector
實(shí)現(xiàn)FAQ和閑聊功能 68
4．1 如何定義用戶問題 68
4．2 如何定義問題的答案 69
4．3 如何訓(xùn)練Rasa 69
4．4 實(shí)戰(zhàn)：構(gòu)建FAQ機(jī)器人 70
4．4．1 功能 70
4．4．2 實(shí)現(xiàn) 71
4．4．3 訓(xùn)練模型 77
4．4．4 運(yùn)行服務(wù) 78
4．5 小結(jié) 78
第5章基于規(guī)則的對話管理 79
5．1 fallback 79
5．1．1 NLU fallback 79
5．1．2 策略fallback 80
5．2 意圖觸發(fā)動(dòng)作 80
5．2．1 內(nèi)建意圖觸發(fā)動(dòng)作 80
5．2．2 自定義意圖觸發(fā)動(dòng)作 81
5．3 表單 81
5．3．1 定義表單 82
5．3．2 激活表單 82
5．3．3 執(zhí)行表單任務(wù) 82
5．4 實(shí)戰(zhàn)：天氣預(yù)報(bào)機(jī)器人 83
5．4．1 功能 83
5．4．2 實(shí)現(xiàn) 86
5．4．3 客戶端/服務(wù)器 97
5．4．4 運(yùn)行 Rasa 服務(wù)器 97
5．4．5 運(yùn)行動(dòng)作服務(wù)器 97
5．4．6 運(yùn)行網(wǎng)頁客戶端 98
5．4．7 更多可能的功能 98
5．5 小結(jié) 98
第6章基于知識庫的問答 99
6．1 使用ActionQueryKnowledgeBase
100
6．1．1 創(chuàng)建知識庫 100
6．1．2 NLU 數(shù)據(jù) 102
6．1．3 自定義基于知識庫的
動(dòng)作 104
6．2 工作原理 105
6．2．1 對象查詢 105
6．2．2 屬性查詢 105
6．2．3 解析指代 106
6．3 自定義 108
6．3．1 自定義
ActionQueryKnowledgeBase
108
6．3．2 自定義
InMemoryKnowledgeBase
108
6．3．3 創(chuàng)建自定義知識庫 110
6．4 實(shí)戰(zhàn)：基于知識庫的音樂百科
機(jī)器人 110
6．4．1 功能 110
6．4．2 實(shí)現(xiàn) 111
6．4．3 客戶端/服務(wù)器 122
6．4．4 運(yùn)行 Rasa 服務(wù)器 122
6．4．5 運(yùn)行動(dòng)作服務(wù)器 122
6．4．6 運(yùn)行網(wǎng)頁客戶端 122
6．4．7 使用Neo4j 123
6．5 小結(jié) 134
第7章實(shí)體角色和分組 135
7．1 實(shí)體角色 135
7．2 實(shí)體分組 136
7．3 組件支持情況 136
7．4 實(shí)戰(zhàn)：訂票機(jī)器人 136
7．4．1 功能 136
7．4．2 實(shí)現(xiàn) 139
7．4．3 客戶端/服務(wù)器 147
7．4．4 運(yùn)行 Rasa 服務(wù)器 147
7．4．5 運(yùn)行動(dòng)作服務(wù)器 147
7．4．6 運(yùn)行網(wǎng)頁客戶端 148
7．5 小結(jié) 148
第8章測試和生產(chǎn)環(huán)境部署 149
8．1 如何測試機(jī)器人的表現(xiàn) 149
8．1．1 對NLU和故事數(shù)據(jù)
進(jìn)行校驗(yàn) 149
8．1．2 編寫測試用的故事 149
8．1．3 評估NLU模型 151
8．1．4 評估對話管理模型 153
8．2 在生產(chǎn)環(huán)境中部署機(jī)器人 153
8．2．1 部署時(shí)間 153
8．2．2 選擇模型存儲方式 153
8．2．3 選擇tracker store 154
8．2．4 選擇lock store 156
8．2．5 單機(jī)高并發(fā)設(shè)置 157
8．3 實(shí)戰(zhàn)：單機(jī)部署高性能Rasa
服務(wù) 157
8．3．1 架設(shè)redis服務(wù)器 157
8．3．2 使用redis作為
tracker store 157
8．3．3 使用redis作為
lock store 158
8．3．4 單機(jī)高并發(fā)設(shè)置 158
8．3．5 性能測試 158
8．4 小結(jié) 159
第9章 Rasa的工作原理與
擴(kuò)展性 160
9．1 Rasa的工作原理 160
9．1．1 訓(xùn)練階段 161
9．1．2 推理階段 162
9．2 Rasa的擴(kuò)展性 163
9．2．1 如何使用自定義NLU
組件和自定義策略 163
9．2．2 如何自定義一個(gè)NLU
組件或策略 164
9．2．3 自定義詞槽類型 165
9．2．4 其他功能的擴(kuò)展性 166
9．3 實(shí)戰(zhàn)：實(shí)現(xiàn)自定義分詞器 166
9．3．1 分詞器MicroTokenizer的
簡介 166
9．3．2 代碼詳解 167
9．3．3 使用自定義分詞器 176
9．4 小結(jié) 177
第10章 Rasa技巧與生態(tài) 178
10．1 如何調(diào)試Rasa 178
10．1．1 預(yù)測結(jié)果不正確 178
10．1．2 代碼出錯(cuò) 181
10．2 如何閱讀Rasa源代碼 186
10．2．1 閱讀源代碼前 186
10．2．2 閱讀源代碼時(shí) 188
10．2．3 閱讀源代碼后 188
10．3 對話驅(qū)動(dòng)開發(fā)和Rasa X 189
10．3．1 對話驅(qū)動(dòng)開發(fā) 189
10．3．2 Rasa X 190
10．4 運(yùn)行交互式學(xué)習(xí) 193
10．4．1 啟動(dòng)交互式學(xué)習(xí) 193
10．4．2 進(jìn)行交互式學(xué)習(xí) 193
10．4．3 保存交互式學(xué)習(xí)的
數(shù)據(jù) 196
10．4．4 對話過程可視化 196
10．5 社區(qū)生態(tài) 197
10．5．1 數(shù)據(jù)生成工具
Chatito 197
10．5．2 數(shù)據(jù)生成工具
Chatette 198
10．5．3 數(shù)據(jù)標(biāo)注工具
Doccano 199
10．5．4 Rasa Chinese軟件包 200
10．6 小結(jié) 201
附錄A 中英文術(shù)語翻譯對照表 202

你還可能感興趣

我要評論