📘 智能客服·NLP实战 30章

⚡ 从入门到综合实战

01 智能客服概述

发展历程核心价值与传统客服对比典型应用场景

02 NLP基础与工具链

分词/词性标注/命名实体JiebaHanLPNLTK/spaCy

03 文本预处理实战

Jieba分词模式去停用词正则清洗标准化

04 意图识别基础

规则与词典匹配正则模板槽位填充

05 词向量与语义表示

One-hot/TF-IDFWord2VecCBOW/Skip-gram腾讯词向量

06 文本分类模型

朴素贝叶斯逻辑回归SVMScikit-learn

07 深度学习入门

PyTorch基础张量操作自动求导全连接网络

08 RNN与LSTM

循环神经网络LSTM原理PyTorch文本分类

09 注意力机制

Seq2SeqBahdanau/Luong客服问答

10 Transformer与BERT

Transformer架构自注意力BERTHugging Face

11 对话管理

对话状态追踪对话策略有限状态机

12 检索式问答系统

TF-IDF/BM25Sentence-BERT倒排索引

13 生成式问答系统

GPT生成Prompt Engineering温度/Top-p

14 知识图谱基础

实体关系抽取Neo4j客服知识库

15 情感分析

情感极性分类LSTM情感分析细粒度情感满意度评估

16 多轮对话

上下文管理指代消解对话历史编码RNN/Transformer

17 语音交互集成

ASR (Whisper)TTS语音唤醒多模态架构

18 模型部署与API化

Flask/FastAPIDocker模型量化ONNX

19 模型评估与优化

准确率/召回率/F1混淆矩阵A/B测试在线学习

20 数据标注与管理

标注规范Label Studio质量监控主动学习

21 异常检测与拒识

OOD检测置信度阈值兜底策略人工转接

22 个性化推荐

用户画像协同过滤知识图谱推荐个性化应答

23 多语言支持

跨语言词向量MarianMTmBERT多语言客服

24 强化学习在对话中

策略梯度Q-learningDQN对话优化

25 联邦学习与隐私保护

联邦学习原理横向/纵向联邦差分隐私数据安全

26 大规模分布式训练

数据并行模型并行混合精度DeepSpeed

27 低资源场景优化

小样本学习提示学习LoRA/Adapter

28 可解释性

LIME/SHAP注意力可视化决策树解释可信赖性

29 前沿趋势

LLM客服ChatGPT APIAutoGPT/Agent未来展望

30 综合实战项目

需求分析数据准备模型训练系统集成/部署/运维