1. 写在前面
《自然语言处理实践--聊天机器人技术原理与应用》--王昊奋，邵浩，这本聊天机器人的参考书前些天可以说是在各大论坛和公众号刷屏了，作为一名智能客服算法工作者，显然无法忽视了，于是在该书发售之初便抱着向前辈学习的心态买来了。
翻了一下书的目录结构与简介，感觉各模块部分与我们的客服机器人架构有些许相似（估计大家的都很相似吧-），又恰好最近在忙数据增强和阅读理解的事，读书计划便搁置了。最近恰逢小长假，于是决定抽2天时间来拜读了一下，先小记一下心得体会，如果后期有时间再写写读书笔记吧。
2. 整体感受
整体而言，该书主要是对聊天机器人的架构做了系统的描述，也更类似于综述性文章，在每一个模块尽量介绍技术的发展历史与概括性原理，没有阐述更具体的技术细节和实现方案，所以，感觉该书的优点在于看完之后会对聊天机器人（尤其是闲聊型，问答型，任务型）的整体架构有框架式概念和轮廓，但缺点也很明显，对于想要实现具体方案的工程师来说则需要自行搞定各个模块任务并将他们串联成整个系统。
该书更适合于新入门聊天机器人（智能客服）的工程师，可以通过本书迅速了解聊天机器人发展历史和主要技术路径。该书并没有技术上原理性的讲解，所以可以利用碎片化时间阅读，也可以利用2-3天时间集中并快速地浏览全书，当需要用到具体模块细节时再去查阅更详细的资料。
该书几乎在每个模块都阐述了规则方法—统计方法—深度学习方法的技术演变路径，并花了许多篇幅在描述规则方法。基于规则与统计的方法当然不可或缺，但就深度学习的发展与所取得的成就来看，目前在聊天机器人系统中更应该逐步以深度学习方法来升级现有的基于规则和统计的方法，从而提升整体聊天机器人的整体性能。
3. 全书框架
该书共分为7个章节，简单概括一下：
3.1 聊天机器人概述
概述聊天机器人发展历史，应用场景与典型的聊天机器人框架和平台。
3.2 聊天机器人技术原理
综述性的介绍聊天机器人中自然语言处理的两大模块：
（1）自然语言理解 NLU；
（2）自然语言生成 NLG；
3.3 问答系统
简述问答系统的分类，并重点介绍基于知识图谱的问答系统（KBQA）。
3.4 对话系统
简述对话系统（任务型机器人）的原理，并重点介绍任务型对话中重要的四个模块：
（1）自然语言处理 -- NLU模块；
（2）对话状态追踪 -- DST模块；
（3）对话策略学习 -- DPL模块；
（4）自然语言生成 -- NLG模块；
3.5 闲聊系统
概述闲聊系统的不同分类与对应的系统实现方案。
3.6 聊天机器人系统评测
问答型，对话型，闲聊型系统的评测会议，数据集及评测标准。
3.7 聊天机器人挑战与展望
聊天机器人目前的挑战与未来展望。
4. 总结
总结一下，如果你是聊天机器人（智能客服或相关领域）的入门者，则可以通过本书快速了解聊天机器人的相关概念与技术，构建聊天机器人的系统框架，但具体模块的技术实现则还是需要你通过其他资料或实践来补齐。
如果你有任何疑问或不同见解，欢迎在下方留言或私信我一起探讨学习！
