實用Bot開發指南：基于Node.js與Bot框架設計并構建聊天機器人 ( 簡體 字) |
| 作者：〔美〕 西蒙·羅茲加（Szymon Rozga） 著 | 類別：1. -> 程式設計 -> 網路編程 -> Node.js |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 51444
詢問書籍請說出此書號！【缺書】
NT售價： 595 元 |
| 出版日：7/1/2019 |
| 頁數：379 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111629214 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：2016年年中，我開始了一個有趣的項目。客戶希望讓患有2型糖尿病的用戶能夠從“自動教練”（即聊天機器人）那里獲得建議。這是一個誘人的想法。我有很多問題：為什么有人想要與機器人進行自然語言對話？是否有可能使機器人足夠聰明以實現其目標？怎么開始創建聊天機器人？用戶應該通過哪種方式與之互動？當項目結束時，我們很快意識到我們使用的技術（包括自然語言理解、微軟的Bot框架和自定義機器學習模型）可以作為用戶和計算系統之間廣泛的自然語言應用程序的技術基礎。畢竟，自然語言接口風靡一時。Alexa支持的Echo Dot剛剛發布，普通人群很快就對與數字助理溝通的想法著迷。我們也想馬上抓住這個能成為該領域專家的機會。
我們嘗試了許多不同的平臺，如Api.ai（現在的DialogFlow）、Wit.ai和Watson Conversation，最終決定使用微軟的Bot框架，因為我們覺得它是很好的商業產品。聊天機器人創業公司如雨后春筍般涌現，都承諾提供最好的機器人或機器人平臺。隨著該領域趨于飽和，也引起了客戶的關注。突然間，我發現自己每天都會和多個客戶交談。最初，與客戶交談是指導性會話：什么是聊天機器人？它是如何工作的？它有哪些通道？它是自學的嗎？它可以與實時聊天集成嗎？
從2017年年中開始，與客戶交談慢慢地從培訓客戶轉向確定所有類型用例的開發工作范圍。客戶開始應用該技術來解決業務問題。2017年下半年，在致力于提供多個聊天機器人實現的同時，我的一位同事將我介紹給編輯人員，他們使本書面世成為現實。我很快便決定承擔這個項目，因為這是一個引人入勝的話題，是一個新的領域，有很多可能性。
我決定以我在這些主題方面指導工程師的方式來寫本書。本書大致分為三個部分。首先，第1章和第2章介紹聊天機器人和機器學習（ML）主題。雖然聊天機器人可以并且經常獨立于任何ML算法而存在，但事實是用戶希望聊天機器人能夠展示某種形式的智能，最低限度也得是自然語言理解。因此，我想在ML上設置狀態并確定如何在自然語言對話中應用它。第3章深入探討微軟的語言理解智能服務（LUIS），我們利用它來為聊天機器人創建自然語言理解模型。
第二部分介紹Bot框架開發實踐。第4章介紹對話設計的概念，即聊天機器人對話建模的實踐。第5章指導讀者創建連接到LUIS模型的Bot框架聊天機器人，并將其部署到Azure應用程序服務中。在第6章中，我們退后一步來檢查Bot Builder SDK的特性和功能。在第7章中，我們將聊天機器人與OAuth實現和外部API集成在一起。第8章深入研究Slack機器人。第9章探討通過Direct Line API將任何通道連接到聊天機器人的能力。我們將Twilio Voice與圖片結合起來，創建了一個可以通過電話與之交談的聊天機器人。
第三部分介紹一些對聊天機器人開發至關重要的其他主題。第10章通過關注一組精選的微軟認知服務，為聊天機器人增加額外的智能能力。第11章探討為聊天機器人創建自定義卡片的兩種方式：自適應卡片和自定義圖形渲染。第12章探索人工切換，第13章介紹聊天機器人分析，第14章通過使用亞馬遜的Alexa技能工具包來創建一個簡單的Alexa技能，然后使用Bot框架機器人復制相同的經驗，將所獲得的新知識付諸實踐。
聊天機器人領域是不斷發展變化的。在本書的寫作過程中，Facebook收購了Wit.ai并將其重點轉向自然語言理解，Google收購了Api.ai，LUIS改變了兩次用戶接口，Bot框架正式發布并轉移到Azure，QnA Maker正式發布；在我寫完所有內容后，Alexa的用戶接口發生了變化，微軟在Build 2018上宣布了大量新功能。幸運的是，這并沒有徹底改變本書的主題。可見，本書主題相對穩定。我希望這些內容對于任何想使用微軟Bot框架開發聊天機器人的人員來說都是必不可少的。
寫作過程真是一言難盡，如果沒有這么一小群人的支持，本書恐怕很難完成，我對他們永遠感激不盡。感謝我的妻子Kim，沒有她的耐心、善意、支持以及編輯上的幫助，我將無法完成本書。還要感謝Jeff Dodge在構建聊天機器人實踐方面的合作，感謝Bob Familiar將我引薦給Apress團隊，感謝BlueMetal讓我有時間寫作。非常感謝Matt、Jimmy和Andrew，以及我的父母Hanna和Krzysztof Rozga，他們為我提供了精神支持和鼓勵。還要感謝Apress的編輯Natalie和Jessica在本書撰寫過程中給予的支持。
Szymon Rozga
2018年6月1日
于紐約華盛頓港 |
內容簡介：本書大致分為三個部分。第一部分中，第1章和第2章介紹聊天機器人和機器學習（ML）的主題。第3章深入探討微軟的語言理解智能服務（LUIS），我們利用它來為聊天機器人創建自然語言理解模型。
第二部分是關于Bot框架開發實踐的全部內容。第4章介紹了對話設計的概念，即聊天機器人對話建模的實踐。第5章指導讀者創建連接到LUIS模型的Bot框架聊天機器人，并將其部署到Azure應用程序服務中。在第6章中，我們退后一步來檢查Bot Builder SDK的特性和功能。在第7章中，我們將聊天機器人與OAuth實現和外部API集成在一起。第8章是對Slack機器人的深入研究，最后，第9章探討通過Direct Line API將任何通道連接到聊天機器人的能力。我們將Twilio Voice與圖片結合起來，創建了一個可以通過電話與之交談的聊天機器人。
第三部分介紹一些對聊天機器人開發至關重要的其他主題。第10章通過關注一組精選的微軟認知服務，為聊天機器人增加額外的智能能力。第11章探討為聊天機器人創建自定義卡片的兩種方式：自適應卡片和自定義圖形渲染。第12章探索人工切換，第13章介紹聊天機器人分析，最后，第14章通過使用亞馬遜的Alexa技能工具包創建一個簡單的Alexa技能，然后使用Bot框架機器人復制相同的經驗，將所獲得的新知識付諸實踐。
本書闡釋了Bot的概念，揭示了使用消息傳遞平臺處理新應用程序背后的東西。本書對于講授關于Bot設計和實現的基本概念來說，是通俗易懂的資源。每一章都建立在前面內容基礎之上，適當情況下，給出了相關概念的實際可用的程序代碼。現在，你只需要“拿起”代碼編輯器，就可以開始創建智能的、吸引人的、有用的機器人體驗了。
本書會教你如何在各種平臺（如Facebook Messenger和Slack）上創建自己的Bot，應用擴展API，以及在云上應用AI和ML算法。最后，你將了解到，通過你創建的機器人能夠吸引成千上萬的新用戶！
如果希望通過構建自己的Bot獲利，又希望Bot開發平臺方便易用，那么本書對你來說是一個很好的資源。
“如果你想理解Bot開發，并深入了解相關技術背景，那么本書將是你的正確選擇。本書不但注重闡述如何開發Bot，而且還通過實際的行業應用場景，告訴你為何要創建它們。”
——Ahmed Bahaa博士，微軟地區總監和MVP
“本書對于任何想創建智能聊天機器人的朋友來說都是一本循序漸進的參考書。”
——Oleksandr Krakovetskyi，DevRain Solutions首席執行官，
微軟地區總監和微軟Al MVP
“這是你能搜到的關于構建機器人的優秀書籍。本書作者將帶領你完成與開發智能機器人有關的所有工作，這些機器人行為自然，能理解你的聲音、語音，甚至能識別它所看到的物體。”
——Venkatarangan Thirumalai，White space領導人 |
目錄：譯者序
前言
關于作者
關于技術審校人員
第1章 聊天機器人概述 1
1.1 對機器人的期望 2
1.2 什么是聊天機器人 3
1.3 為什么是現在 6
1.3.1 人工智能取得的進步 6
1.3.2 作為智能對話平臺的消息應用程序 7
1.3.3 語音喚醒的智能助理 8
1.4 創建聊天機器人的動機 8
1.5 機器人的組成 10
1.5.1 機器人運行庫 10
1.5.2 自然語言理解引擎 11
1.5.3 對話引擎 12
1.5.4 通道集成 14
1.6 結束語 15
第2章 聊天機器人與自然語言理解 17
2.1 自然語言處理的基本概念 18
2.2 常見的自然語言處理任務 23
2.2.1 句法分析 23
2.2.2 語義分析 23
2.2.3 語篇分析 23
2.3 機器人中常見的自然語言理解功能 24
2.4 云端自然語言理解系統 24
2.5 自然語言理解系統的商業產品 25
2.6 結束語 26
第3章 語言理解智能服務 27
3.1 意圖分類 28
3.2 發布LUIS應用 34
3.3 實體抽取 37
3.3.1 Age、Dimension、Money和Temperature 40
3.3.2 DatetimeV2 41
3.3.3 Email、Phone Number和URL 46
3.3.4 Number、Percentage和Ordinal 46
3.4 實體訓練 47
3.5 自定義實體 50
3.5.1 簡單實體 50
3.5.2 復合實體 56
3.5.3 層次實體 61
3.5.4 列表實體 64
3.5.5 正則表達式實體 65
3.6 預建域 65
3.7 短語列表 67
3.8 主動學習 69
3.9 儀表板概覽 70
3.10 LUIS應用管理與版本更新 71
3.11 拼寫檢查 73
3.12 導入/導出LUIS應用 74
3.13 使用LUIS Authoring API 75
3.14 解決遇到的問題 75
3.15 結束語 76
第4章 對話設計 78
4.1 常見的使用場景 78
4.1.1 面向消費者的常見使用場景 78
4.1.2 面向企業的常見使用場景 82
4.2 對話表達 83
4.3 機器人的響應 85
4.3.1 構建塊 85
4.3.2 機器人的身份驗證和授權 87
4.3.3 專用卡片 88
4.4 其他功能 90
4.5 對話交互設計指南 91
4.5.1 專注 91
4.5.2 不要把機器人設想為人 91
4.5.3 不要賦予機器人性別 91
4.5.4 總是提供當前最好的建議 92
4.5.5 持久的個性 92
4.5.6 使用豐富的內容 93
4.5.7 原諒 93
4.5.8 避免卡殼 93
4.5.9 不要過于主動發送消息 93
4.5.10 提供人工介入方法 93
4.5.11 從用戶對話中學習 94
4.6 結束語 95
第5章 微軟Bot框架概述 96
5.1 微軟Bot Builder SDK基礎 96
5.2 Bot框架端到端的設置 107
5.2.1 第一步：連接到Azure 107
5.2.2 第二步：在Azure中創建Bot Registration 109
5.2.3 第三步：為機器人設置安全認證 111
5.2.4 第四步：設置遠程訪問 112
5.2.5 第五步：連接到Facebook Messenger 113
5.2.6 第六步：將機器人部署到Azure 117
5.3 理解所做的操作 121
5.3.1 Microsoft Azure 121
5.3.2 機器人通道注冊入口 121
5.3.3 認證 122
5.3.4 連接和ngrok 122
5.3.5 部署到Facebook Messenger 123
5.3.6 部署到Azure 123
5.4 Bot Builder SDK重要概念 123
5.4.1 會話和消息 124
5.4.2 瀑布和提示 127
5.4.3 對話框 130
5.4.4 調用對話框 133
5.4.5 識別器 135
5.5 創建一個簡單的日歷機器人 138
5.6 結束語 139
第6章 深入Bot Builder SDK 140
6.1 對話狀態 140
6.2 消息 141
6.3 地址和主動消息 144
6.4 富媒體內容 146
6.5 按鈕 149
6.6 卡片 152
6.7 建議動作 156
6.8 通道錯誤 158
6.9 通道數據 158
6.10 群組聊天 162
6.11 自定義對話框 163
6.12 動作 168
6.13 庫 173
6.14 結束語 174
第7章 構建一個完整的Bot 176
7.1 關于OAuth 2.0 176
7.2 Google API的建立 177
7.3 將身份驗證與Bot Builder集成 182
7.4 無縫登錄流程 187
7.5 與Google Calendar API集成 195
7.6 實現Bot功能 201
7.7 結束語 205
第8章 擴展通道功能 207
8.1 Slack深度集成 207
8.2 連接Slack 210
8.3 Slack API實驗 215
8.4 簡單的互動消息 220
8.5 多步驟體驗 227
8.6 結束語 236
第9章 創建新的通道連接器 237
9.1 Direct Line API 237
9.2 自定義Web聊天界面 239
9.3 語音機器人 250
9.4 將機器人與Twilio整合在一起 252
9.5 與SSML集成 262
9.6 最后的接觸 265
9.7 結束語 268
第10章 使聊天機器人更聰明 269
10.1 拼寫檢查 271
10.2 情感 276
10.3 多語言支持 277
10.4 QnA Maker 282
10.5 計算機視覺 286
10.6 結束語 290
第11章 自適應卡片和自定義圖形 291
11.1 自適應卡片 291
11.2 渲染自定義圖形 302
11.3 結束語 319
第12章 人工切換 320
12.1 仍離不開人 320
12.2 從客服角度看聊天機器人 321
12.2.1 一直在線的聊天機器人 321
12.2.2 非全時在線的聊天機器人 321
12.2.3 面向客服代表的聊天機器人 321
12.3 典型的客戶服務系統概念 322
12.4 集成方法 322
12.4.1 自己創建界面 323
12.4.2 基于平臺 323
12.4.3 基于產品 324
12.5 Facebook Messenger切換示例 326
12.6 結束語 332
第13章 聊天機器人分析 333
13.1 常見數據問題 333
13.1.1 通用數據 334
13.1.2 人口統計資料 335
13.1.3 情感 335
13.1.4 用戶駐留 335
13.1.5 用戶會話流 336
13.2 分析平臺 337
13.3 與Dashbot和Chatbase集成 340
13.4 結束語 346
第14章 學以致用：Alexa技能工具包 348
14.1 概述 348
14.2 創建一個新的技能 350
14.3 Alexa NLU和自動語音識別 352
14.4 深入研究針對Node.js的Alexa技能工具包 358
14.5 其他選擇 367
14.6 連接到Bot框架 369
14.6.1 關于Bot框架和Alexa技能工具包集成的實現決策 369
14.6.2 示例整合 371
14.7 結束語 378 |
| 序： |
