第1章  人机对话的前世今生
  1.1  什么是人机对话系统
  1.2  人机对话的演变
  1.3  人机对话系统的类型
  1.4  人机对话系统的运用场景
  1.5  本章小结
第2章  人机对话系统的架构
  2.1  总体架构
  2.2  服务层概述
    2.2.1  机器人管理模块
    2.2.2  应答服务模块
    2.2.3  模型服务模块
    2.2.4  配置服务模块
    2.2.5  统计分析与监控模块
  2.3  本章小结
第3章  理解用户的自然语言
  3.1  什么是自然语言理解
  3.2  用户问题预处理
    3.2.1  问题类型处理
    3.2.2  分词处理
    3.2.3  停用词处理
  3.3  NLU语义挖掘
    3.3.1  实体信息
    3.3.2  情感信息
    3.3.3  意图信息
    3.3.4  领域信息
    3.3.5  垂直/开放领域信息
  3.4  语义继承与澄清
    3.4.1  语义继承
    3.4.2  语义澄清
  3.5  本章小结
第4章  应答对话管理：会话状态追踪
  4.1  什么是DST
  4.2  DST结构
  4.3  深入剖析DST结构
    4.3.1  用户基本信息
    4.3.2  当前对话信息之简单要素
    4.3.3  当前对话信息之复杂要素
    4.3.4  历史对话信息
  4.4  DST的存储形式
  4.5  本章小结
第5章  任务型DPL引擎
  5.1  任务型引擎与场景
    5.1.1  基于场景实现的任务型DPL引擎
    5.1.2  场景的结构
  5.2  场景触发
    5.2.1  场景触发方式
    5.2.2  场景触发流程
  5.3  交互流程组件
    5.3.1  交互流程
    5.3.2  交互流程的节点
    5.3.3  交互流程的边
    5.3.4  交互流程的图表达
  5.4  场景交互
    5.4.1  交互流程与交互流程实例
    5.4.2  交互流程实例的状态
    5.4.3  节点与节点实例
    5.4.4  节点实例的状态
    5.4.5  场景交互的推进时序
  5.5  本章小结
第6章  任务型DPL引擎：场景流程推进详解
  6.1  场景域处理
    6.1.1  场景触发
    6.1.2  获取场景信息
    6.1.3  对话信息识别抽取
  6.2  交互流程域处理
    6.2.1  交互流程首次被触发的情形
    6.2.2  交互流程的推进
    6.2.3  交互流程已处于执行中的情形
  6.3  节点域处理
    6.3.1  选择节点执行器
    6.3.2  节点执行
  6.4  持久化设计
    6.4.1  数据库表设计
    6.4.2  场景数据配置
    6.4.3  交互流程数据配置
  6.5  本章小结
第7章  对话管理：其他应答DPL引擎
  7.1  问答型DPL
    7.1.1  基于规则问答
    7.1.2  基于FAQ问答
    7.1.3  基于知识图谱问答
  7.2  闲聊型DPL
    7.2.1  检索型闲聊应答
    7.2.2  生成式闲聊应答
  7.3  推荐型DPL
    7.3.1  召回阶段
    7.3.2  排序阶段
  7.4  本章小结
第8章  答案的生成
  8.1  基于固定文本的答案生成
  8.2  基于模板的答案生成
  8.3  基于生成模型的答案生成
  8.4  基于标签的答案选择
  8.5  答案决策
  8.6  本章小结
第9章  必备算法基础
  9.1  词向量
    9.1.1  One-Hot词向量
    9.1.2  Word2Vec
    9.1.3  GloVe
  9.2  序列标注类问题
    9.2.1  什么是序列标注
    9.2.2  解决序列标注的算法
    9.2.3  基于序列标注解决的问题
  9.3  文本分类
    9.3.1  文本分类简介
    9.3.2  文本分类的常用模型
  9.4  序列生成
    9.4.1  序列生成简介
    9.4.2  序列生成模型
  9.5  本章小结
第10章  模型训练与服务化
  10.1  模型训练
    10.1.1  什么是模型训练
    10.1.2  模型训练的常用框架
  10.2  模型推理
    10.2.1  什么是模型推理
    10.2.2  基于TensorFlow进行模型推理
  10.3  模型部署与服务化
    10.3.1  什么是模型部署
    10.3.2  ONNX开放模型交换格式
    10.3.3  使用ONNXRuntime部署ONNX模型
    10.3.4  模型服务化
  10.4  本章小结
第11章  ChatGPT带来的新机遇
  11.1  ChatGPT的诞生与演进
  11.2  ChatGPT的原理
    11.2.1  Transformer架构
    11.2.2  GPT系列模型
    11.2.3  其他大模型介绍
  11.3  大模型在NLP领域的应用场景
    11.3.1  对话生成
    11.3.2  文本匹配
    11.3.3  分类任务
    11.3.4  文本摘要
  11.4  开发者如何使用大模型
    11.4.1  提示词工程
    11.4.2  使用LangChain开发大模型应用
  11.5  ChatGPT面对的挑战
    11.5.1  偏见与幻觉
    11.5.2  数据隐私问题
  11.6  本章小结