8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 17.98 руб.

RASA Фактический бой: построение роботов с открытым исходным кодом.

Цена: 1 116руб.    (¥62.04)
Артикул: 702235420219

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:tb9018582508
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину

RASA Faction Bight: Создайте робот с открытым исходным кодом.

 автор А Kong xiaoquan, Crown

 Измененная цена А 89 Юань

 ISBNЧисло А 9787121429385

 вне  Версия  общество А Электронная промышленная пресса

 Дата публикации А 2022-02-01

 Версия А 1

 Тюлень А 1

 Количество страниц А 216

 Рамка А Оплата в мягкой обложке

 Начинать А 16

RASA -это диалог с открытым исходным кодом, которая позволяет разработчикам использовать технологии машинного обучения для быстрого создания роботов диалога промышленного обложения.Благодаря богатым функциям, расширенным способностям машинного обучения и характеристикам, которые можно быстро использовать, в настоящее время платформа RASA является популярной структурой робота с открытым исходным кодом.В этой книге сначала представлены два основных компонента RASA -рабочих процесса RASA NLU и RASA CORE; затем представьте общий процесс построения, конфигурации, обучения и обслуживания с помощью экосистемы RASA с нуля, таких как тип задачи, такой в качестве типа задачи, FAQ, робота в чате знаний и т. Д., В том числе использование управления диалогами с использованием Forms (Form), ответа для обработки чата и FAQ, использования базы знаний, чтобы ответить на вопрос динамических запросов и т. Д. Пользовательские рамки RASA, использующие модели и инструменты разработки разработки, управляемые диалогом Высокоэффективность и высокая масштабируемость производственной среды, чтобы создать эффективную и мощную систему чата.

Kong Xiaoquan Developer Google Developer Expert в области машинного обучения, Tensorflow Addons CodeOwner, RASA Superhero.В течение многих лет это привело команду создавать приложения и платформы машинного обучения в 500 лучших компаниях мира.Имеют богатый теоретический и практический опыт в области НЛП и роботов диалога.Бакалавр Университета Вангуанского Пекинга, степень магистра в области Гонконгского университета науки и технологий, занимался исследованиями и разработками моделирования данных, компьютерных изображений и НЛП в Гонконгском институте прикладных наук и технологий, Lenovo Machine Smart Lab и Lab и Швейцария перестрахована и Мюнхенская перестраховаемая научная группа. Международные документы журнала и получение соответствующих патентов.Текущее направление исследования - это применение искусственного интеллекта в финансовой сфере.

  • Глава 1 Введение в основы мужского диалога и RASA 1

  • 1.1 Основы машинного обучения 1
  • 1.2 Основы обработки естественного языка 3
  • 1.2.1 Современное развитие обработки естественного языка
  • Упрощенная история 3
  • 1.2.2 Основа за лечением естественного языка
  • Задача 7
  • 1.3 Человеческий процесс диалога 7
  • 1.3.1 Определите применение робота диалога
  • Сцена 7
  • 1.3.2 Традиционный диалог -робот архитектура 8
  • 1.3.3 Распознавание голоса 10
  • 1.3.4 Понимание естественного языка 10
  • 1.3.5 Управление диалогами 12
  • 1.3.6 Генерация естественного языка 13
  • 1.3.7 Синтез голоса 14
  • 1.4 RASA ВВЕДЕНИЕ 14
  • 1.4.1 Структура системы 15
  • 1.4.2 Как установить RASA 16
  • 1.4.3 Основной процесс проекта RASA 16
  • 1.4.4 Раса обычно используется команда 16
  • 1.4.5 Создать пример проекта 17
  • 1.5 Резюме 17
  • Глава 2 RASA NLU BASIC 18
  • 2.1 Функция и структура 18
  • 2.2 Данные обучения 19
  • 2.2.1 Намерение поля 21
  • 2.2.2 Синдиновое поле 22
  • 2.2.3 Найдите поле стола 23
  • 2.2.4 Сегмент поля регулярного выражения 23
  • 2.2.5 Регулярное выражение и таблица поиска
  • Используйте 24
  • 2.3 Компонент 25
  • 2.3.1 Языковая модель компонент 26
  • 2.3.2 Слово -сплейт компонент 26
  • 2.3.3 Особенности Motor 27
  • 2.3.4 NER компонент 27
  • 2.3.5 Компонент классификации намерений 28
  • 2.3.6 Общее извлечение сущностей и намерений
  • Компонент 28
  • 2.3.7 Ответить на селектор 28
  • 2.4 Фильм 28
  • 2.4.1 Что такое сборочная линия 28
  • 2.4.2 Настройте строку сборки 28
  • 2.4.3 Рекомендуемая конфигурация строки сборки 30
  • 2.5 Выходной формат 30
  • 2.5.1 Поле намерения 32
  • 2.5.2 Спортивное поле 32
  • 2.5.3 Другое возможное поле 33
  • 2.6 Как использовать RASA NLU 34
  • 2.6.1 Обучающая модель 34
  • 2.6.2 Тест из командной строки 34
  • 2.6.3 Начальная служба 35
  • 2.7 Фактический бой: NLU медицинских роботов
  • Модуль 36
  • 2.7.1 Функция 36
  • 2.7.2 Реализация 36
  • 2.7.3 Обучающая модель 38
  • 2.7.4 Запуск службы 39
  • 2.8 Резюме 40
  • Глава 3 Rasa Core Foundation 41
  • 3.1 Функция и структура 41
  • 3.2 Поле 41
  • 3.2.1 Намерение и сущность 42
  • 3.2.2 Действие 42
  • 3.2.3 CI Glutter 43
  • 3.2.4 Ответ 43
  • 3.2.5 Конфигурация сеанса 45
  • 3.2.6 Глобальная конфигурация 45
  • 3.3 История 45
  • 3.3.1 Пользовательские новости 46
  • 3.3.2 Действие робота и событие 46
  • 3.3.3 Вспомогательный символ 47
  • 3.4 Действие 49
  • 3.4.1 Ответ Действие 49
  • 3.4.2 Форма 49
  • 3.4.3 Действие по умолчанию 49
  • 3.4.4 Пользовательское действие 50
  • 3.5 CI Glores 50
  • 3.5.1 Слот и диалог 51
  • 3.5.2 Типы слов Glip 51
  • 3.5.3 Карта слова Glip 52
  • 3.5.4 Поликракантная инициализация 52
  • 3.6 Стратегия 53
  • 3.6.1 Конфигурация стратегии 53
  • 3.6.2 Встроенный в стратегии 53
  • 3.6.3 Приоритет стратегии 54
  • 3.6.4 Улучшение данных 54
  • 3.7 Конечная точка 54
  • 3.8 RASA SDK и пользовательское действие 55
  • 3.8.1 Установите 55
  • 3.8.2 Пользовательское действие 55
  • 3.8.3 Объект трекера 56
  • 3.8.4 Объект события 56
  • 3.8.5 Запустить индивидуальное движение 57
  • 3.9 Клиент поддерживается RASA 57
  • 3.10 Фактический бой: время -времени робот 59
  • 3.10.1 Функция 59
  • 3.10.2 Реализация 60
  • 3.10.3 Запустить сервер действий 66
  • 3.10.4 Запустите Rasa Server и Client 66 3.11 Совет 67 Глава 4 Используйте ответы для достижения FAQ и функции сплетен 68 4.1 Как определить пользовательские проблемы 68 4.2 Как определить проблему □□ 69 4.3 Как тренировать RASA 69 4.4 Фактический бой: строительство FAQ Robot 70 4.4.1 Функциональный 70 4.4.2 Реализация 71 4.4.3 Обучающая модель 77 4.4.4 Работа обслуживания 78 4.5 Совет 78 Глава 5 Управление диалогами на основе правил 79 59 5.1 Запада 79 5.1.1 NLU Swarkback 79 5.1.2 Стратегия запасная сторона 80 5.2 Намерение триггера Действие 80 5.2.1 Строительное намерение запустить действие 80 5.2.2 Индивидуальное намерение запустить действие 81 5.3 Форма 81 5.3.1 Форма определения 82 5.3.2 Форма активации 82 5.3.3. Выполните форму Задача 82 5.4 Фактический бой: прогноз погоды робот 83 5.4.1 Функция 83 5.4.2 Реализация 86 5.4.3 Клиент/сервер 97 5.4.4 Запустите RASA Server 97 5.4.5 Запустите сервер действий 97 5.4.6 Запустите веб -клиент 98 5.4.7 Более возможные функции 98 5.5 Совет 98 Глава 6 Q & A на основе базы знаний 99 6.1 Используйте ActionQueryKnowledgeBase 100 6.1.1 Создать базу знаний 100 6.1.2 NLU Data 102 6.1.3 Пользовательское действие -На основе действия 104 6.2 Принцип работы 105 6.2.1 Запрос объекта 105 6.2.2 Атрибут запрос 105 6.2.3 Анализ относится к замене 106 6.3 Индивидуальный 108 6.3.1 Пользовательский ActionQueryKnowledgeBase 108 6.3.2 Пользовательский InmemoryKnowledgebase 108 6.3.3.3 Создать пользовательскую базу знаний 110 6.4 Практический бой: музыкальная энциклопедия на основе базы знаний 110 6.4.4.1 Функция 110 6.4.2 Реализация 111 6.4.3 Клиент/сервер 122 6.4.4 Запустите RASA Server 122 6.4.5 Запустите сервер действий 122 6.4.6 Запустите веб -клиент 122 6.4.7 Используйте NEO4J 123 6.5 БИЛАЛЬНАЯ ГЛАВА 134 ГЛАВА 7 Антология и пакет 135 7.1 Фактическая роль 135 7.2 Физический пакет 136 7.3 Ситуация поддержки компонентов 136 7.4 Фактический бой: 136 7.4.4. Функция 136 7.4.2 Реализация 139 7.4.3 Клиент/сервер 147 7.4.4.4 Запустите RASA Server 147 7.4.5 Запустите сервер действий 147 7.4.6 Запустите веб -клиент 148 7.5 Горький 148 Глава 8 Тестирование и развертывание среды производства 149 8.1 Как проверить производительность робота 149 8.1.1 Проверьте данные NLU и истории 149 8.1.2 Напишите историю для тестирования 149 8.1.3 Оценить модель NLU 151 8.1.4 Оценка модель управления диалогами 153 8.2 Развернуть роботов в производственной среде 153 8.2.1 Время развертывания 153 8.2.2 Выберите метод хранения модели 153 8.2.3 Выберите Tracker Store 154 8.2.4 Выберите магазин блокировки 156 8.2.5 Одиночная параллельная настройка высоты махина 157 8.3 Фактический бой: одноразовый развертывание высокого уровня RASA Service 157 8.3.1 Установить сервер Redis 157 8.3.2 Используйте Redis в качестве Tracker Store 157 8.3.3 Используйте Redis в качестве магазина блокировки 158 8.3.4 Согласная настройка высоты одной машины 158 8.3.5 Тест на производительность 158 8.4 Совет 159 Глава 9 Принцип работы Расы и масштабируемость 160 9.1 Принцип работы Расы 160 9.1.1 Учебный этап 161 9.1.2 Стадия рассуждения 162 9.2 Масштабируемость RASA 163 9.2.1 Как использовать пользовательские компоненты NLU и пользовательские стратегии 163 9.2.2 Как настроить компонент или стратегию NLU 164 9.2.3 Индивидуальный слот слота 165 9.2.4 Расширение других функций 166 9.3 Фактический бой: реализовать пользовательский осадок 166 9.3.1 Введение в слово microtokenizer 166 9.3.2 Подробное объяснение кода 167 9.3.3. Используйте пользовательский осадок 176 9.4 Горький 177 Глава 10 Навыки и экология RASA 178 10.1 Как отладить RASA 178 10.1.1 Неправильные результаты прогнозирования 178 10.1.2 Ошибка кода 181 10.2 Как прочитать исходный код RASA 186 10.2.1 Чтение исходного кода 186 10.2.2 При чтении исходного кода 188 10.2.3 После прочтения исходного кода 188 10.3 Разработка драйвера диалога и RASA X 189 10.3.1 Развитие драйвера диалога 189 10.3.2 RASA X 190 10.4 Интерактивное обучение 193 10.4.1 Начать интерактивное обучение 193 10.4.2 Интерактивное обучение 193 10.4.3 Данные сохранили интерактивное обучение 196 10.4.4.4 Визуализация процесса диалога 196 10.5 Экология сообщества 197 10.5.1 Инструмент генерации данных Chatito 197 10.5.2 Инструмент генерации данных Chateette 198 10.5.3 Инструмент маркировки данных DOCCANO 199 10.5.4 RASA CINKING PACK 200.6 Сводка 201 ПРИЛОЖЕНИЯ A Китайский английский термины Сравнение перевода Таблица 202
  • ......