对话机器人开源框架Rasa首著，国内外大火的框架，Rasa致力于聊天机器人（bot）平台和开源NLU工具在商业领域的应用开发，客户包括瑞银银行、宝马、瑞士保险公司Helvetia，以及女性健康机器人创业公司Tia。国内用Rasa的大厂有中国电信、微软小冰、陆金所，博世汽车、一汽等。还有很多的中小型企业大量使用。
本书能帮你使用机器学习技术快速创建工业级的对话机器人。
全面解析从0开始构建、配置、训练和服务不同类型的对话机器人的整体过程，如任务型、FAQ、知识图谱聊天机器人等。
自然语言处理（Natural Language Processing，NLP）是人工智能领域的一个重要部分。当人工智能已经在数据建模预测和图像分类识别等场景大放异彩的时候，随着深度学习算法和计算机硬件的不断发展，拥有悠久历史的NLP渐渐展现出新的发展动力和应用落地潜力，而对话机器人是NLP集大成的应用。
对话机器人已经在互联网和传统行业中有了广泛的应用，应用范围包括自动化提升工作效率、增加客户服务智能水平和降低人工运营成本等方面。本书以中文应用为核心，向读者系统地介绍对话机器人的落地构建。
为什么写这本书
在深度学习的发展浪潮中，NLP虽然有了很多重要的进步，但是相比图像视觉识别等领域，NLP有着特殊的一面。因为图像中的猫都是一样的，中国的猫在美国也是猫，不受地区、语言、文化背景等限制，所以图像数据是通用的，算法也一致。文字则不同：全球各地的书写语言各不相同，相同书写语言国家中不同地区的口语方言也各有千秋，用英语语料训练出的NLP模型并不适用于中文，因此NLP语料不具备通用性。
加上人类的语言本身具有歧义性、隐蔽性和常识性，如指代不明、讽刺、缩略等，NLP在技术实现上相当困难，在中文方面尤其如此——一方面，中文NLP缺乏学术界质量良好的大规模中文语料库；另一方面，主流开源框架对中文NLP的支持并不友好。
据笔者所知，当前的NLP参考数据，或者完全基于传统NLP的技术架构，与当前新的技术有所脱节，或者太过理论而缺乏实践，尤其是对中文NLP任务实践的深层次积累。
因此，我们在本书借助Rasa介绍构建对话机器人这一NLP集大成的任务，从而展现中文 NLP 的核心技术的实践和应用。
关于本书作者
孔晓泉 谷歌开发者机器学习技术专家（Google Developer Expert in Machine Learning），TensorFlow Addons Codeowner，Rasa SuperHero。多年来一直在世界 500 强公司带领团队构建机器学习应用和平台。在NLP和对话机器人领域拥有丰富的理论和实践经验。
王冠 北京大学学士，香港科技大学硕士，先后于香港应用科技研究院、联想机器智能实验室及瑞士再保险数据科学团队从事数据建模、计算机图像与NLP的研发工作，发表过数篇相关国际期刊论文和专利。当前研究方向为人工智能在金融领域的应用。
本书主要内容
本书将详细地介绍Rasa的生态体系，按照从入门到内部原理，再到实战的学习路线，让第一次接触机器学习和自然语言理解的用户能够迅速了解、掌握并实际运用中文NLP的核心技术。本书由初级、中级和高级3个级别的Rasa知识组成。本书内容与开发人员水平等级对应表如下所示。
本书内容与开发人员水平等级对应表
开发人员水平等级 等级能力要求 对应本书内容
初级 熟悉Rasa各个组件的概念，熟练利用现有的常用组件构建一个单机Rasa Bot 第1章、第2章、第3章
中级 熟练利用所有内建组件构建一个满足工业标准的分布式Rasa Bot 第4章、第5章、第6章、第7章
高级 熟悉Rasa各个系统的工作原理，按照需要新增、改造或创建新的子系统和组件 第8章、第9章、第10章
如何阅读本书
建议Rasa初学者，从头开始逐步深入，并按照书中的项目逐一实践，在确认已经掌握基础概念后再继续学习。同时建议，初学者不需要等到完全读完整本书再去上手做实际的对话机器人，只要学会自己期望的学习内容就可以开始进行实战，在实战中遇到不懂的问题时，再来回顾本书或把本书当作参考手册反复查阅。
对于已经有一定经验的Rasa开发者，可以按照需求有选择地精读某些章节。有经验的Rasa开发者快速通读全书也有好处，一来可以了解最新的Rasa提供了哪些读者尚不知道的高级技术（Rasa的技术体系进化得相当快），二来可以建立完善的Rasa知识体系，以后在实战中遇到问题时，可以想起来书中提到的某个技术或方案或许可以解决这一问题。
对于非Rasa系统的对话系统开发者而言，阅读本书可以学习Rasa系统是如何设计架构，以保证系统的可扩展性的。同时Rasa对话管理系统的设计是非常值得其他对话系统设计师参考学习的，我们建议重点阅读第9章“Rasa的工作原理与扩展性”。
致谢
感谢谷歌通过提供谷歌云信用额度（GCP credit）的方式来支持我们的工作。
新书资讯
