ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Conversational AI: Dialogue Systems, Conversational Agents, and Chatbots

دانلود کتاب هوش مصنوعی مکالمه: سیستم های گفتگو ، نمایندگان محاوره ای و چت بات ها

Conversational AI: Dialogue Systems, Conversational Agents, and Chatbots

مشخصات کتاب

Conversational AI: Dialogue Systems, Conversational Agents, and Chatbots

ویرایش:  
نویسندگان:   
سری: Synthesis Lectures on Human Language Technologies 
ISBN (شابک) : 9781636390321, 1636390323 
ناشر: Morgan & Claypool Publishers 
سال نشر: 2020 
تعداد صفحات: 253 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Conversational AI: Dialogue Systems, Conversational Agents, and Chatbots به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی مکالمه: سیستم های گفتگو ، نمایندگان محاوره ای و چت بات ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب هوش مصنوعی مکالمه: سیستم های گفتگو ، نمایندگان محاوره ای و چت بات ها

این کتاب مقدمه ای جامع برای هوش مصنوعی مکالمه ارائه می دهد. در حالی که ایده تعامل با رایانه با استفاده از صدا یا متن به گذشته های دور بازمی گردد، تنها در سال های اخیر است که این ایده با ظهور دستیارهای شخصی دیجیتال، بلندگوهای هوشمند و چت بات ها به واقعیت تبدیل شده است. پیشرفت در هوش مصنوعی، به ویژه در یادگیری عمیق، همراه با در دسترس بودن قدرت محاسباتی عظیم و مقادیر بسیار زیاد داده، منجر به نسل جدیدی از سیستم‌های گفتگو و رابط‌های مکالمه شده است. تحقیقات فعلی در هوش مصنوعی محاوره ای عمدتاً بر روی کاربرد یادگیری ماشین و رویکردهای آماری مبتنی بر داده ها برای توسعه سیستم های گفتگو متمرکز است. با این حال، آگاهی از دستاوردهای قبلی در فناوری گفتگو و در نظر گرفتن اینکه تا چه حد ممکن است با تحقیق و توسعه فعلی مرتبط باشد، مهم است. سه رویکرد اصلی برای توسعه سیستم‌های گفت‌وگو بررسی می‌شوند: سیستم‌های مبتنی بر قانون که با استفاده از بهترین دستورالعمل‌های عملی ساخته شده‌اند. سیستم های آماری مبتنی بر داده های مبتنی بر یادگیری ماشین؛ و سیستم های گفتگوی عصبی مبتنی بر یادگیری سرتاسر. ارزیابی عملکرد و قابلیت استفاده سیستم های گفتگو به خودی خود به موضوع مهمی تبدیل شده است و انواع معیارها و چارچوب های ارزیابی شرح داده شده است. در نهایت، تعدادی از چالش‌ها برای تحقیقات آینده در نظر گرفته می‌شوند، از جمله: چندوجهی در سیستم‌های گفتگو، گفتگوی بصری. یادگیری مدل گفتگوی کارآمد داده استفاده از نمودارهای دانش؛ پدیده های گفتمان و گفتگو رویکردهای ترکیبی برای توسعه سیستم های گفتگو؛ گفتگو با روبات های اجتماعی و در اینترنت اشیاء؛ و مسائل اجتماعی و اخلاقی.


توضیحاتی درمورد کتاب به خارجی

This book provides a comprehensive introduction to Conversational AI. While the idea of interacting with a computer using voice or text goes back a long way, it is only in recent years that this idea has become a reality with the emergence of digital personal assistants, smart speakers, and chatbots. Advances in AI, particularly in deep learning, along with the availability of massive computing power and vast amounts of data, have led to a new generation of dialogue systems and conversational interfaces. Current research in Conversational AI focuses mainly on the application of machine learning and statistical data-driven approaches to the development of dialogue systems. However, it is important to be aware of previous achievements in dialogue technology and to consider to what extent they might be relevant to current research and development. Three main approaches to the development of dialogue systems are reviewed: rule-based systems that are handcrafted using best practice guidelines; statistical data-driven systems based on machine learning; and neural dialogue systems based on end-to-end learning. Evaluating the performance and usability of dialogue systems has become an important topic in its own right, and a variety of evaluation metrics and frameworks are described. Finally, a number of challenges for future research are considered, including: multimodality in dialogue systems, visual dialogue; data efficient dialogue model learning; using knowledge graphs; discourse and dialogue phenomena; hybrid approaches to dialogue systems development; dialogue with social robots and in the Internet of Things; and social and ethical issues.



فهرست مطالب

Preface
Acknowledgments
Glossary
Introducing Dialogue Systems
	What is a Dialogue System?
		Why Develop a Dialogue System?
	A Brief History of Dialogue Systems
		Text-Based and Spoken Dialogue Systems
		Voice User Interfaces
		Chatbots
		Embodied Conversational Agents
		Robots and Situated Agents
		Limitations of Early Dialogue Systems
	Present-Day Dialogue Systems
		Dialogue Systems on Messaging Platforms
		Dialogue Systems on Smartphones
		Dialogue Systems on Smart Speakers and Other Devices
		Dialogue Systems in Cars
		How Current Dialogue Systems Are Different
	Modeling Conversation in Dialogue Systems
		User-Initiated Dialogues
		System-Directed Dialogue
		Multi-Turn Open-Domain Dialogue
	Designing and Developing Dialogue Systems
Rule-Based Dialogue Systems: Architecture, Methods, and Tools
	A Typical Dialogue Systems Architecture
		Automatic Speech Recognition (ASR)
		Natural Language Understanding (NLU)
		Dialogue Management
		Natural Language Generation (NLG)
		Text-to-Speech Synthesis (TTS)
	Designing a Dialogue System
	Tools for Developing Dialogue Systems
		Visual Design Tools
		Scripting Tools for Handcrafting Dialogue Systems
		Advanced Toolkits and Frameworks
		Research-Based Toolkits
		Which is the Best Toolkit?
	Rule-Based Techniques in Dialogue Systems Participating in the Alexa Prize
Statistical Data-Driven Dialogue Systems
	Motivating the Statistical Data-Driven Approach
	Dialogue Components in the Statistical Data-Driven Approach
		Natural Language Understanding
		Dialogue Management
		Natural Language Generation
	Reinforcement Learning (RL)
		Representing Dialogue as a Markov Decision Process
		From MDPs to POMDPs
		Dialogue State Tracking
		Dialogue Policy
		Problems and Issues with Reinforcement Learning and POMDPs
Evaluating Dialogue Systems
	How to Conduct the Evaluation
		Laboratory Studies vs. Evaluations in the Wild
	Evaluating Task-Oriented Dialogue Systems
		Quantitative Metrics for Overall Dialogue System Evaluation
		Quantitative Metrics for the Evaluation of the Sub-Components of Dialogue Systems
		Qualitative/Subjective Evaluation
	Evaluating Open-Domain Dialogue Systems
		Evaluation at the Level of the Exchange
		Evaluation at the Level of the Dialogue
		ChatEval: A Toolkit for Chatbot Evaluation
		Evaluations in Challenges and Competitions
	Evaluation Frameworks
		PARADISE
		Quality of Experience (QoE)
		Interaction Quality
	What is the Best Way to Evaluate Dialogue Systems?
End-to-End Neural Dialogue Systems
	Neural Network Approaches to Dialogue Modeling
	A Neural Conversational Model
	Introduction to the Technology of Neural Dialogue
		Word Embeddings
		Recurrent Neural Networks (RNNs)
		Long Short-Term Memory Units
		The Encoder-Decoder Network
	Retrieval-Based Response Generation
	Task-Oriented Neural Dialogue Systems
	Open-Domain Neural Dialogue Systems
		Alexa Prize 2020
		Google's Meena
		Facebook's BlenderBot
		OpenAI's GPT-3
	Some Issues and Current Solutions
		Semantic Inconsistency
		Affect
	Dialogue Systems: Datasets, Competitions, Tasks, and Challenges
		Datasets and Corpora
		Competitions, Tasks, and Challenges
	Additional Readings
Challenges and Future Directions
	Multimodality in Dialogue
		Multimodal Fusion
		Multimodal Fission
		Multimodality in Smartphones and Smart Speakers with Displays
	Visual Dialogue and Visually Grounded Language
	Data Efficiency: Training Dialogue Systems with Sparse Data
	Knowledge Graphs for Dialogue Systems
	Reasoning and Collaborative Problem Solving in Dialogue Systems
	Discourse and Dialogue Phenomena
		Making Reference
		Detecting, Maintaining, and Changing Topic
		Multi-Party Dialogue
		Incremental Processing in Dialogue
		Turn-Taking in Dialogue
	Hybrid Dialogue Systems
	Dialogue with Social Robots
	Dialogue and the Internet of Things
	Social and Ethical Issues
	The Way Ahead
Toolkits for Developing Dialogue Systems
Bibliography
Author's Biography
Blank Page




نظرات کاربران