内容简介

本书讲述Microsoft Access 2016数据库管理系统的基能和使用技巧。全书共分为9章，内括Access 2016快速入门，数据库的创建与使用，表的创建与使用，查询的种类及其创建方法，窗体的创建与使用，报表的设计与打印，数据宏的创建与使用，模块和VBA编程等；后一章综合运用全书所学内容，创建一个数据库管理系统。

目录

第1章 人机对话基础和Rasa简介 11.1 机器学习基础 11.2 自然语言处理基础 31.2.1 现代自然语言处理发展简史 31.2.2 自然语言处理的基础任务 71.3 人机对话流程 71.3.1 确定对话机器人的应用场景 71.3.2 传统对话机器人架构 81.3.3 语音识别 101.3.4 自然语言理解 101.3.5 对话管理 121.3.6 自然语言生成 131.3.7 语音合成 141.4 Rasa 简介 141.4.1 系统结构 151.4.2 如何安装Rasa 161.4.3 Rasa 项目的基本流程 161.4.4 Rasa常用命令 161.4.5 创建示例项目 171.5 小结 17第2章 Rasa NLU基础 182.1 能与结构 182.2 训练数据 192.2.1 意图字段 212.2.2 同义词字段 222.2.3 查找表字段 232.2.4 正则表达式字段 232.2.5 正则表达式和查找表的使用 242.3 组件 252.3.1 语言模型组件 262.3.2 分词组件 262.3.3 特征提取组件 272.3.4 NER组件 272.3.5 意图分类组件 282.3.6 实体和意图联合提取组件 282.3.7 回复选择器 282.4 流水线 282.4.1 什么是流水线 282.4.2 配置流水线 282.4.的流水线配置 302.5 输出格式 302.5.1 意图字段 322.5.2 实体字段 322.5.3 其他可能字段 332.6 如何使用 Rasa NLU 342.6.1 训练模型 342.6.2 从命令行测试 342.6.3 启动服务 352.7 实战：机器人的NLU模块 362.7.1 能 362.7.2 实现 362.7.3 训练模型 382.7.4 运行服务 392.8 小结 40第3章 Rasa Core基础 413.1 能与结构 413.2 领域 413.2.1 意图与实体 423.2.2 动作 423.2.3 词槽 433.2.4 回复 433.2.5 会话配置 453.2.6 全局配置 453.3 故事 453.3.1 用户消息 463.3.2 机器人动作与事件 463.3.3 辅助符号 473.4 动作 493.4.1 回复动作 493.4.2 表单 493.4.3 默认动作 493.4.4 自定义动作 503.5 词槽 503.5.1 词槽和对话行为 513.5.2 词槽的类型 513.5.3 词槽的映射 523.5.4 词槽初始化 523.6 策略 533.6.1 策略的配置 533.6.2 内建的策略 533.6.3 策略的优先级 543.6.4 数据增强 543.7 端点 543.8 Rasa SDK和自定义动作 553.8.1 安装 553.8.2 自定义动作 553.8.3 tracker对象 563.8.4 事件对象 563.8.5 运行自定义动作 573.9 Rasa支持的客户端 573.10 实战：报时机器人 593.10.1 能 593.10.2 实现 603.10.3 运行动作服务器 663.10.4 运行Rasa服务器和 客户端 663.11 小结 67第4章 使用ResponseSelector 实现FAQ和闲能 684.1 如何定义用户问题 684.2 如何定义问题的答案 694.3 如何训练Rasa 694.4 实战：构建FAQ机器人 704.4.1 能 704.4.2 实现 714.4.3 训练模型 774.4.4 运行服务 784.5 小结 78第5章 基于规则的对话管理 795.1 fallback 795.1.1 NLU fallback 795.1.2 策略fallback 805.2 意图触发动作 805.2.1 内建意图触发动作 805.2.2 自定义意图触发动作 815.3 表单 815.3.1 定义表单 825.3.2 激活表单 825.3.3 执行表单任务 825.4 实战：天气预报机器人 835.4.1 能 835.4.2 实现 865.4.3 客户端/服务器 975.4.4 运行 Rasa 服务器 975.4.5 运行动作服务器 975.4.6 运行网页客户端 985.4.7 更多可能能 985.5 小结 98第6章 基于知识库的问答 996.1 使用ActionQueryKnowledgebase 1006.1.1 创建知识库 1006.1.2 NLU 数据 1026.1.3 自定义基于知识库的动作 1046.2 工作原理 1056.2.1 对象查询 1056.2.2 属查询 1056.2.3 解析指代 1066.3 自定义 1086.3.1 自定义 ActionQueryKnowledgebase 1086.3.2 自定义 InMemoryKnowledgebase 1086.3.3 创建自定义知识库 1106.4 实战：基于知识库的音乐百科机器人 1106.4.1 能 1106.4.2 实现 1116.4.3 客户端/服务器 1226.4.4 运行 Rasa 服务器 1226.4.5 运行动作服务器 1226.4.6 运行网页客户端 1226.4.7 使用Neo4j 1236.5 小结 134第7章 实体角色和分组 1357.1 实体角色 1357.2 实体分组 1367.3 组件支持情况 1367.4 实战：订票机器人 1367.4.1 能 1367.4.2 实现 1397.4.3 客户端/服务器 1477.4.4 运行 Rasa 服务器 1477.4.5 运行动作服务器 1477.4.6 运行网页客户端 1487.5 小结 148第8章 测试和生产环境部署 1498.1 如何测试机器人的表现 1498.1.1 对NLU和故事数据进行校验 1498.1.2 编写测的故事 1498.1.3 评估NLU模型 1518.1.4 评估对话管理模型 1538.2 在生产环境中部署机器人 1538.2.1 部署时间 1538.2.2 选择模型存储方式 1538.2.3 选择tracker store 1548.2.4 选择lock store 1568.2.5 单机高并发设置 1578.3 实战：单机部署高能Rasa服务 1578.3.1 架设redis服务器 1578.3.2 使用redis作为tracker store 1578.3.3 使用redis作为lock store 1588.3.4 单机高并发设置 1588.3.5 能测试 1588.4 小结 159第9章 Rasa的工作原理与 扩展 1609.1 Rasa的工作原理 1609.1.1 训练阶段 1619.1.2 推理阶段 1629.2 Rasa的扩展 1639.2.1 如何使用自定义NLU组件和自定义策略 1639.2.2 如何自定义一个NLU组件或策略 1649.2.3 自定义词槽类型 1659.2.4 其能的扩展 1669.3 实战：实现自定义分词器 1669.3.1 分词器MicroTokenizer的简介 1669.3.2 代码详解 1679.3.3 使用自定义分词器 1769.4 小结 177第10章 Rasa技巧与生态 17810.1 如何调试Rasa 17810.1.1 预测结果不正确 17810.1.2 代码出错 18110.2 如何阅读Rasa源代码 18610.2.1 阅读源代码前 18610.2.2 阅读源代码时 18810.2.3 阅读源代码后 18810.3 对话驱动开发和Rasa X 18910.3.1 对话驱动开发 18910.3.2 Rasa X 19010.4 运行交互式学习 19310.4.1 启动交互式学习 19310.4.2 进行交互式学习 19310.4.3 保存交互式学 数据 19610.4.4 对话过程可视化 19610.5 社区生态 19710.5.1 数据生成工具 Chatito 19710.5.2 数据生成工具 Chatette 19810.5.3 数据标注工具 Doccano 19910.5.4 Rasa Chinese软 20010.6 小结 201附录A 中英文术语翻译对照表 202