NLP实践 TensorFlow打造聊天机器人

标签：字典   nbsp   实现   聊天机器人   开发   部署过程   模型训练   发布   表达   

call---》 q-2304636824-q 

• 第1章 课程导学

  对课程章节、知识点、课程安排、适用人群、前提条件以及学习完成后达到的程度进行了介绍，让同学们对本课程有基本的认识。

  • 1-1 课程导学

• 第2章 基础知识

  介绍tensorflow的基础知识和原理，介绍tensorflow的基本训练方法和训练的注意点，介绍什么是Android系统及Android系统的四大基本组件，以及如何开发Android APP，开发工具用什么，环境如何搭建。

  • 2-1 什么是TensorFlow
  • 2-2 张量、图、会话
  • 2-3 TensorFlow原理及模型训练
  • 2-4 Android操作系统
  • 2-5 Java安装
  • 2-6 Java环境搭建
  • 2-7 Android安装及运行
  • 2-8 第一个Android程序

• 第3章 NLP基础

  介绍什么是RNN和LSTM，并介绍他们在NLP处理中如何去使用，介绍什么是NLP语言模型，以及常用的工作方式，介绍什么是word2vec，并进行详细解释；

  • 3-1 NLP基础
  • 3-2 RNN讲解（1）
  • 3-3 RNN讲解（2）
  • 3-4 LSTM讲解
  • 3-5 分词技术
  • 3-6 词性标注
  • 3-7 命名实体识别
  • 3-8 贝叶斯与朴素贝叶斯（1）
  • 3-9 贝叶斯与朴素贝叶斯（2）
  • 3-10 隐马尔科夫模型
  • 3-11 隐马尔科夫模型实现命名实体识别
  • 3-12 朴素贝叶斯例子（1）
  • 3-13 朴素贝叶斯例子（2）
  • 3-14 朴素贝叶斯例子（3）

• 第4章 文本处理方法

  介绍如何建立语料库，以及可以通过什么方式去收集语料库，并介绍常用的语料库，以及介绍如何进行语料的处理和其处理思路等

  • 4-1 语料的获取与处理
  • 4-2 NLP中的语言模型
  • 4-3 NLP中的语言模型 一元模型和二元模型
  • 4-4 NLP中的语言模型 N元模型
  • 4-5 词向量与Word2vec
  • 4-6 文本处理方法

• 第5章 实战之聊天语料处理

  结合上章节讲解的内容，本章主要针对我们在聊天机器人训练部分所使用的聊天语料进行处理，处理方法包括但不限于数据清洗、切词、训练语句划分、句子向量等

  • 5-1 数据处理-环境搭建
  • 5-2 数据处理-句子的构造和判断
  • 5-3 数据处理-正则表达式
  • 5-4 数据处理-句子编码化处理（字典定义及转换）
  • 5-5 数据处理-句子编码化处理（训练字典）
  • 5-6 数据处理-句子编码化处理（句子和向量之间的转换）
  • 5-7 数据处理-训练语料库的解压处理
  • 5-8 数据处理-训练语料问答对的处理（1）
  • 5-9 数据处理-训练语料问答对的处理（2）
  • 5-10 数据处理-数据模型打包处理

• 第6章 聊天机器人原理

  介绍什么是聊天机器人，以及聊天机器人的基本原理，并介绍如何将我们拿到的基础语料处理成我们想要的形式，最后整体阐述聊天机器人的架构设计及详细设计。

• 第7章 聊天机器人训练

  讲解如何通过tensorflow训练一个聊天机器人，并讲解在训练过程中所用到的一些关键技术，并将训练的模型打包成flask接口，以供外部调用

• 第8章 Android界面开发

  介绍Android界面的开发规范，以及如何进行Android界面的开发，以及如何使用Android调用外部的webservice接口，并介绍如何调用我们所发布的flask模型

• 第9章 Android的打包与发布

  介绍开发好的Android应用程序如何进行打包部署，以及在是打包部署过程中的注意事项，并带领大家将聊天机器人应用进行发布。

NLP实践 TensorFlow打造聊天机器人

标签：字典   nbsp   实现   聊天机器人   开发   部署过程   模型训练   发布   表达   

原文地址：https://www.cnblogs.com/qq3589905092/p/9500876.html