Python 聊天機器人開發：基於自然語言處理與機器學習 (Building Chatbots with Python: Using Natural Language Processing and Machine Learning)

第1章 心愛的聊天機器人
聊天機器人的受歡迎程度
Python之禪以及為什麽它適用於聊天機器人
對聊天機器人的需求
商業視角
開發者視角
受聊天機器人影響的行業
聊天機器人的發展歷程
1950
1966
1972
1981
1985
1992
1995
1996
2001
2006
2010
2012
2014
2015
2016
2017
我可以用聊天機器人解決什麽樣的問題
這個問題能通過簡單的問答或來回交流解決嗎
這個工作是否有高度重覆性，需要進行數據收集和分析
你的機器人的任務可以自動化和固定化嗎
一個QnA機器人
從聊天機器人開始
聊天機器人中的決策樹
在聊天機器人中使用決策樹
決策樹如何起到作用
最好的聊天機器人/機器人框架
聊天機器人組件和使用的相關術語
意圖（Intent）
實體（Entities）
話術（Utterances）
訓練機器人
置信度得分
第2章 聊天機器人中的自然語言處理
為什麽我需要自然語言處理知識來搭建聊天機器人
spaCy是什麽
spaCy的基準測試結果
spaCy提供了什麽能力
spaCy的特性
安裝和前置條件
spaCy模型是什麽
搭建聊天機器人所使用的自然語言處理基本方法
詞性標註
詞幹提取和詞性還原
命名實體識別
停用詞
依存句法分析
名詞塊
計算相似度
搭建聊天機器人時自然語言處理的一些好方法
分詞
正則表達式
總結
第3章 輕松搭建聊天機器人
Dialogflow簡介
開始
搭建一個點餐機器人
確定範圍
列舉意圖
列舉實體
搭建點餐機器人
Dialogflow入門
創建意圖的幾大要點
創建意圖並添加自定義話術
為意圖添加默認回覆
菜品描述意圖及附屬實體
理解用戶需求並回覆
將Dialogflow聊天機器人發布到因特網上
在Facebook Messenger上集成Dialogflow聊天機器人
設置Facebook
創建一個Facebook應用程序
設置Dialogflow控制台
配置Webhook
測試信使機器人
Fulfillment
啟用Webhook
檢查響應數據
總結
第4章 從零開始搭建聊天機器人
Rasa NLU是什麽
我們為什麽要使用Rasa NLU
深入瞭解Rasa NLU
從零開始訓練和搭建聊天機器人
搭建一個星座聊天機器人
星座機器人和用戶之間的對話腳本
為聊天機器人準備數據
訓練聊天機器人模型
從模型進行預測
使用Rasa Core進行對話管理
深入瞭解Rasa Core及對話系統
理解Rasa概念
為聊天機器人創建域文件
為聊天機器人編寫自定義動作
訓練機器人的數據準備
構造故事數據
交互學習
將對話導出成故事
測試機器人
測試用例一
測試用例二
總結
第5章 部署自己的聊天機器人
前提條件
Rasa的憑據管理
在Facebook上部署聊天機器人
在Heroku上創建一個應用
在本地系統中安裝Heroku
在Facebook上創建和設置應用程序
在Heroku上創建和部署Rasa動作服務器應用程序
創建Rasa聊天機器人API應用程序
創建一個用於Facebook Messenger聊天機器人的獨立腳本
驗證對話管理應用程序在Heroku上的部署情況
集成Facebook Webhook
部署後驗證：Facebook聊天機器人
在Slack上部署聊天機器人
為Slack創建獨立腳本
編輯Procfile
將Slack機器人最終部署到Heroku上
訂閱Slack事件
訂閱機器人事件
部署後驗證：Slack機器人
獨立部署聊天機器人
編寫腳本實現自己的聊天機器人通道
編寫Procfile並部署到Web上
驗證你的聊天機器人API
繪制聊天機器人的圖形界面
總結