对自然语言处理的应用场景，发现有了一定的了解，技术方面还需要其他书籍再做学习。扫盲书籍还是很不错的，有了概念才能更好的入门 。
自然语言处理实践：聊天机器人技术原理与应用
在微信读书打开划线
0暂无划线
想法
0暂无想法
热门划线
17推荐序
我们可以畅想，在未来的某个时刻，会出现一个基于人工智能技术的虚拟生命，它能够真正理解人类的语言，有自己的记忆和情感，并可以和人进行自然真实的对话。
2.1 自然语言理解
基于词表的方法，会逐字对字符串进行扫描，发现字符串的子串和词表中的词相同就算匹配。
当机器人心情不错，同时和用户很亲密时，它就会主动关心用户。结合机器人和用户情感因素的动态回复会更加温馨且贴合场景。
2 聊天机器人技术原理
闲聊系统针对的是用户没有特定目的、没有具体需求情况下的多轮人机对话，其构造过程中需要同时注意对话管理（上下文多轮交互）和自然语言理解两个模块的构建。
2.1 自然语言理解
聊天机器人系统中的自然语言理解模块的功能主要包括实体识别、用户意图识别、用户情感识别、指代消解、省略恢复、回复确认及拒识判断等。
3.1 问答系统概述
问答系统是信息检索系统的一种高级形式，它通过Web搜索或链接知识库等方式，检索到用户问题的答案，并用准确、简洁的自然语言回答用户。
1.2 聊天机器人的分类与应用场景
检索式聊天机器人的回答是提前定义的，在聊天时机器人使用规则引擎、模式匹配或者机器学习训练好的分类器从知识库中挑选一个最佳的回复展示给用户。
4.1 对话系统概述
用户的单轮请求往往无法提供满足任务完成的充足信息，因此多轮对话是必须的，系统通常采用主动询问缺失信息的策略，以填充必要的槽位。
1.3 聊天机器人生态介绍
一种实现主动推荐的方式，是基于知识图谱（Knowledge Graph）的主动推荐系统。
3.2 KBQA系统
专家将训练数据以基本问答对的形式输入给Watson，这里指的并不是问题的明确答案，而是教会它这个领域中专业知识所对应的语言模式。
1.2 聊天机器人的分类与应用场景
从应用场景的角度看，可以将聊天机器人分为在线客服、娱乐、教育、个人助理和智能问答5类。
1.3 聊天机器人生态介绍
在用户点播歌曲的过程中，主动推荐系统可以结合音乐知识图谱、用户的个人知识图谱，以及用户的历史对话数据，综合给出最优的音乐推荐。
2.1 自然语言理解
基于规则的自然语言理解只适合用在相对简单的场景，其优势在于可以快速实现一个简单可用的语义理解模块。
一般情况下，人们聊天并不是单纯的一问一答，回答的内容通常要参考上下文信息，即在用户输入当前问句信息之前聊天机器人和用户的对话信息。由于这个过程中存在多轮的一问一答，这种情况一般被称为多轮对话。
前言
无论是拥有实体的聊天机器人还是聊天机器人软件，其功能都跳不出闲聊、问答、对话和主动交互4种
2.1 自然语言理解
基于统计的自然语言理解方法通常使用大量的数据训练模型，并使用训练所得的模型执行各种上层语义任务。其优点是数据驱动且健壮性较好，缺点是训练数据难以获得且模型难以解释和调参
与基于规则的自然语言理解相比，基于统计的方法靠数据驱动，数据量越大，数据的分布就越能表征真实情况，模型效果的健壮性就越好。
公开点评
14专业性有点强，有些地方看不懂，能理解大概的理论。作为入门读物的话，不是很合适，还是需要有一定的知识储备或者项目经验的人看
点个赞吧，对话系统的书比较少，这本具备参考性
本来以为一般，打开后居然一口气读完。很适合从事相关工作的工程师阅读。内容全面，思路清晰，虽说不够深入，但确实也没必要深入。这东西只有做起来才能体会，太深入就不止一本书了。总之，是一本不错的参考书，可以给实际工作提供指导，弥补盲区。为作者们点赞。
本书系统的讲了聊天机器人的实现原理与场景，值得拜读。若是在场景应用上能够再丰富点就好了，毕竟对于现在的弱人工智能，不同的场景下，都会有很多的设计小技巧来满足多种多样的需求。同时书中的很多术语感觉用多了反而增加理解的成本，其实可以讲得更通俗的。
个人觉得这本书对于聊天机器人及相关的技术介绍的还是比较全面的，可以看做是一本综述类的书。有概念方法和一些拓展，实操性比较强。深入的话需要更多查询资料。从聊天机器人到虚拟生命，任重道远啊。
文章中讲的内容、算法很实用，有了理论的支撑，对日常工作理解的更加深刻了
沟通能力提升
从实操角度来说，是一个快速了解机器人实现方法的书，任务型机器人是解决特定领域的可实现路径
基础概念都有，关于前半部分自然语言处理的一些算法和理论也比较详细，但实际应用部分写得有点简略
相似推荐
8
知识图谱导论
GPT图解 大模型是怎样构建的
信息系统项目管理师历年真题解析（第4版）
Python数据分析：基于Plotly的动态可视化绘图
现代推荐算法
Python 3反爬虫原理与绕过实战
数据产品经理的自我修养
