Подлинная бесплатная доставка RASA Фактический бой: построить диалог с открытым исходным кодом Робот Конг Сяокван Промышленная Пресса
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
- Автор:Конг Сяокуан
- Письмо,:Конг СяокуанПереводить
- Фрагментация:Никто на данный момент
- Индийский:Никто на данный момент
- Цены:89.0
- ISBN:9787121429385
- Издательство:** Промышленная пресса
- формат:16
- Время печати:2022-02-01 00:00:00
- Язык:Никто на данный момент
- Опубликованная дата:2022-02-01 00:00:00
- Количество страниц:216
- Внешний номер:11435526
- Версия:Никто на данный момент
** Основа в диалоге Чжана Ренми и введение RASA 1
1.1 Основа по машинному обучению 1
1.2 Основы лечения естественного языка 3
1.2.1 Современная разработка обработки естественного языка
Упрощенная история 3
1.2.2 Основы лечения естественного языка
Задача 7
1.3 Человеческий процесс диалога 7
1.3.1 Определите применение робота разговора
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 Введение в RASA 14
1.4.1 Структура системы 15
1.4.2 Как установить RASA 16
1.4.3 Базовый процесс проекта RASA 16
1.4.4 RASA 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 Поле намерения 21
2.2.2 Поле синоним 22
2.2.3. Найдите поле таблицы 23
2.2.4.
2.2.5. Регулярное выражение и таблица поиска
Используйте 24
2.3 Компонент 25
2.3.1 Компонент языковой модели 26
2.3.2 Секс -компонент 26
2.3.3. Мотор экстракта 27
2.3.4 Компонент NER 27
2.3.5 Компонент классификации намерений 28
2.3.6 Общее извлечение сущностей и намерений
Компонент 28
2.3.7 Селектор ответов 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 Физическое поле 32
2.5.3 Другие возможные поля 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. 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.
2.8 Резюме 40
Глава 3 RASA CORE BASIC 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 Слово Глот 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 Робот Действие 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 Танк 50
3.5.1 CI Tank and Dialoge 51
3.5.2 Типы слова Глот 51
3.5.3 Карта Виктории Glip 52
3.5.4 Инициализация слота слота 52
3.6 Стратегия 53
3.6.1 Конфигурация стратегии 53
3.6.2 Стратегии 53 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 Установить 55
3.8.2 Пользовательское действие 55
3.8.3 Объект трекера 56
3.8.4 Объект события 56
3.8.5 Запустите индивидуальное движение 57
3.9 Клиент поддерживает RASA 57
3.10 Фактический бой: время -времени робот 59
3.10.1 Функция 59
3.10.2 Реализация 60
3.10.3 Запуск сервера действий 66
3.10.4 Запустите сервер RASA и
Клиент 66
3.11 Резюме 67
Глава 4 Используйте ответы.
Реализовать FAQ и функция чата 68
4.1 Как определить задачи пользователей 68
4.2 Как определить ответ на вопрос 69
4.3 Как тренировать RASA 69
4.4 Фактический бой: строительство FAQ Robot 70
4.4.1 Функция 70
4.4.2 Реализация 71
4.4.3 Обучающая модель 77
4.4.4. Сервис 78
4.5 Резюме 78
Глава 5 Правила -Управление диалогами 79
5.1 fallback 79
5.1.1 NLU fallback 79
5.1.2 Стратегия запасная сторона 80
5.2 Намерение вызвать действие 80
5.2.1. Намерение построить 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 Выполнить форму миссии 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 Запуск сервера действий 97
5.4.6 Запустите веб -клиент 98
5.4.7 Еще возможные функции 98
5.5 Резюме 98
Глава 6 Вопросы и ответы на основе базы знаний 99
6.1 Используйте ActionQueryKnowledgeBase
100
6.1.1 Создание базы знаний 100
6.1.2 Данные NLU 102
6.1.3 На основе базы индивидуальных знаний
Действие 104
6.2 Принципы работы 105
6.2.1 Запрос объекта 105
6.2.2 Запрос свойств 105.
6.2.3 Анализ относится
6.3 Пользователь 108
6.3.1 Индивидуальная
ActionQueryKnowledgeBase
108
6.3.2 Индивидуальная
InMemoryKnowledgeBase
108
6.3.3 Создайте пользовательскую базу знаний 110
6.4 Фактический бой: музыкальная энциклопедия на основе базы знаний
Робот 110
6.4.1 Функция 110
6.4.2 Реализация 111
6.4.3 Клиент/сервер 122
6.4.4 Запустите RASA Server 122
6.4.5 Запуск сервера действий 122
6.4.6 Запустите веб -клиент 122
6.4.7 Используйте NEO4J 123
6.5 Резюме 134
Глава 7 Антология и группировка 135
7.1 Антология 135
7.2 Физический пакет 136
7.3 Ситуация поддержки компонентов 136
7.4 Фактический бой: бронирование билетов Робот 136
7.4.1 Функция 136
7.4.2 Реализация 139
7.4.3 Клиент/сервер 147
7.4.4 Запустите RASA Server 147
7.4.5 Запуск сервера действий 147
7.4.6 Запустите веб -клиент 148
7.5 Резюме 148
Глава 8 Тестирование и развертывание среды производства 149
8.1 Как проверить производительность робота 149
8.1.1 Данные пассажира и данные истории
Проверьте тест 149
8.1.2 Напишите историю для тестирования 149
8.1.3 Оценка NLU Model 151
8.1.4 Модель управления диалогами 153
8.2 Развертывание 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
Сервис 157
8.3.1 Создание Redis Server 157
8.3.2 Используйте Redis как
tracker store 157
8.3.3 Используйте Redis как
lock store 158
8.3.4 Одиночная настройка высоты одно -мачиновой высоты 158
8.3.5 Тест на производительность 158
8.4 Резюме 159
Глава 9 Принцип работы и
Расширение 160
9.1 Принцип работы Расы 160
9.1.1 Стадия обучения 161
9.1.2 Стадия рассуждения 162
9.2 Расширенность RASA 163
9.2.1 Как использовать пользовательский NLU
Компонент и пользовательская стратегия 163
9.2.2 Как настроить NLU
Компонент или стратегия 164
9.2.3 Индивидуальный слот слота 165
9.2.4 Расширенность других функций 166
9.3 Фактический бой: реализуйте пользовательский осадок 166
9.3.1 Виктор Microtokingizer
Введение 166
9.3.2 Подробности кода 167
9.3.3 Используйте пользовательское устройство сегментации 176
9.4 Резюме 177
ГЛАВА 10 РАСА Навыки и экология 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 Прочтите исходный код до 186
10.2.2 Прочтите исходный код 188
10.2.3 После прочтения исходного кода 188
10.3 Dialoge Driver Development и RASA X 189
10.3.1 Dialog Driving Development 189
10.3.2 Rasa X 190
10.4 Операция интерактивного исследования 193
10.4.1 Начать интерактивное обучение 193
10.4.2 Интерактивное обучение 193
10.4.3 Сохранить интерактивное обучение
Данные 196
10.4.4 Процесс диалога может быть визуализирован 196
10.5 Ecology Ecology 197
10.5.1 Инструмент генерации данных
Chatito 197
10.5.2 Инструмент генерации данных
Chatette 198
10.5.3 Инструмент маркировки данных
Doccano 199
10.5.4 RASA CINKING PACK 200
10.6 РЕЗЮМЕ 201
Приложение к китайскому английскому языку Сравнение перевода Таблица 202
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.
Диалог робот с открытым исходным кодом Rasa -первая, английская версия запускается одновременно, Rasa Co -Founder и технический директор Алан Никол лично ссылаются на заказ, быстро создайте интеллектуальные диалоги -робот -робот -робот с открытым исходным кодом RASA, RASA совершает приложение Разработка платформы робота в чате (BOT) и инструментов NLU с открытым исходным кодом в сфере бизнеса. Клиенты включают Bybiot, BMW, швейцарская страховая компания Helvetia и Women*Health Robot Startup Tia.Домашние крупные производители с RASA включают China Telecom, Microsoft Xiaobing, Lu Jin, Bosch, Faw и так далее.Есть также много мелких и средних предприятий.Эта книга может помочь вам использовать технологию машинного обучения для быстрого создания роботов диалога промышленного класса.Комплексный анализ общего процесса построения, конфигурации, обучения и услуг из различных типов роботов диалога, таких как тип задачи, часто задаваемые вопросы, робот в чате знаний и т. Д.Эта книга охватывает все темы, необходимые для создания реальных приложений для создания реальных приложений.В дополнение к базовым знаниям понимания естественного языка и управления диалогами, книга переоценивает продукты, которые создают ** в реальных сценах.В ** главе вас попросят подумать о таком вопросе: действительно ли это правильный выбор для создания робота диалога?Отвечая на этот вопрос, вы можете избежать дилеммы убийства цыплят.Эта книга также представляет базовый процесс развития, основанного на разговорах.Не может произойти использование диалогового вождения, если робот диалога не сможет удовлетворить потребности целевого пользователя.Кроме того, эта книга научила читателей некоторым практическим навыкам, таким как как отлаживать код RASA, как протестировать и как развернуть роботов диалога в производственную среду.Эта книга полезна для тех, кто хочет стать разработчиками RASA. Я считаю, что многие существующие разработчики RASA также узнают и узнают новые вещи из книги.Алан Никол, соучредитель и технический директор RASA, представил проект системы и принцип работы рамки RASA от мелководья до глубины и дает случаи реализации различных типов роботов диалога. Он имеет высокую справочную ценность. Стоит прочитать отличная работа.Два автора предыдущего вице -президента проекта Ван Ян являются членами плана GDE (эксперты по разработчикам Google, эксперт по разработчику Google) и являются выдающимися представителями разработчиков, использующих технологию Google Machine Learning.Как шедевр, который сочетает в себе теоретическое разведку и девиз практики в области НЛП, эта книга определенно принесет много преимуществ для практиков и учащихся в области роботов диалога. В то же время ** с радостью увидит платы Google Cloud. Процесс написания книги*Я упомянул об этом для автора*.Есть надежда, что два автора будут продолжать иметь больше шедевров.Шенцян Раса, глава отношений разработчиков Google, является редким в отрасли, которая может предоставить диалог -структуру робота от языкового понимания до ответа на весь набор процессов.Хотя его очень масштабируемые компоненты компонентов*и Yi ** выиграли международную репутацию и достигли сильной экосистемы разработчика для RASA, профессиональные книги RASA в Китае все еще **.Эта книга представляет собой не только полное фактическое боевое руководство RASA, но и хороший учебник для модулей внедрения технологии диалога человека. Я считаю, что читатели очень выиграют в отражении практики и теории.Полная группа банд*Seat Science*, Li Pei, старший директор бывшего исследовательского института Local Life Ali, станет важным окном взаимодействия с человеком -Компьютером в будущем. Результаты: GPT -3 OpenAI может написать четкую логическую статью;* он *U *Co -Pilot может автоматически продолжать писать фрагменты программы; альфакод DeepMind может автоматически читать и писать ** код ... если вы хотите создать интерфейс взаимодействия с искусственным интеллектом человека -Компьютер, вы должны сначала сначала Научитесь развивать робота диалога, поэтому, пожалуйста, начните с этой книги."ЧАТБ*Т от 0 до*" Автор, автор WeChaty Li Zhuozhen
