短文本数据理解
全新正版 极速发货
￥ 51.75 7.5折 ￥ 69 全新
仅1件
广东东莞
认证卖家担保交易快速发货售后保障
作者王仲远 编著
出版社机械工业出版社
ISBN9787111558811
出版时间2017-05
装帧精装
开本16开
定价69元
货号1201511988
上书时间2024-11-24
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王仲远，博士，美国Facebook公司Research Scientist。加入Facebook前，他是微软亚洲研究院的主管研究员，领导微软研究院的两个知识图谱项目Probase(即微软的概念知识图谱/Microsoft Con-cept Graph)和Enterprise Dictionary(企业知识图谱项目)，以及一个人工智能助手项目Digtal Me。他多年来专注于知识图谱及其在文本理解方面的研究，已在SIGMOD、VLDB、ICDE、IJCAI、AAAI、CIKM、EMNLP等靠前很好学术会议上发表论文30余篇，其中包括ICDE 2015很好论文奖。他也是靠前自然语言很好学术会议ACL 2016 Tutorial“Understanding Short Texts”的主讲人之一。目前已出版技术专著2本，拥有美国专利5项。他的研究兴趣包括：文本理解、知识库系统、自然语言处理、深度学习、数据挖掘等。
目录
从书前言
推荐序一
推荐序二
前言
第1章短文本理解及其应用
1.1短文本理解
1.2短文本理解研究现状
1.2.1短文本理解模型概述
1.2.2短文本理解模型粒度分析
1.3短文本理解框架
第2章基于概率的属性提取与推导
2.1引言
2.2属性提取
2.2.1属性提取的整体框架
2.2.2概率isA网络
2.2.3基于概念和基于实体的属性提取
2.3属性得分推导
2.3.1典型度得分
2.3.2根据CB列表计算典型度
2.3.3根据IB列表计算典型度
2.3.4典型度聚合
2.3.5同义属性集合
2.4相关研究
2.5小结
第3章单实体概念化模型
3.1引言
3.1.1基本层次类别
3.1.2应用
3.1.3BLC计算方法
3.2语义网络
3.3基本层次类别化
3.3.1典型性
3.3.2将典型性用于BLC
3.3.3将平滑典型性用于BLC
3.3.4将PMI用于BLC
3.3.5将Rep（e，c）用于BLC
3.4小结
第4章基于概念化的短文本理解
4.1引言
4.2预备知识
4.2.1概念
4.2.2概念聚类
4.2.3属性
4.2.4整体框架和符号表示
4.3挖掘词汇关系
4.3.1概述
4.3.2解析
4.3.3P（z|t）推导
4.3.4P（c|t，z）推导
4.3.5语义网络
4.4查询理解
4.4.1方法概况
4.4.2算法
4.5小结
第5章基于概念化的短文本主题词与修饰词检测
5.1引言
5.2整体框架
5.3非限定性修饰词挖掘
5.4限定性修饰词挖掘
5.4.1Probase：一个大规模的isA知识库
5.4.2实体级别主题词修饰词
5.4.3概念级别主题词修饰词
5.5主题词与修饰词检测
5.5.1解析
5.5.2针对两个组件的主题词修饰词检测
5.5.3针对两个以上组件的主题词修饰词检测
5.6相关工作
5.7小结
第6章基于概念化的词相似度计算
6.1引言
6.2语义网络和同义词集合
6.3基本方法
6.3.1类型判别
6.3.2语境表示
6.3.3语境相似度
6.3.4讨论
6.4改进方法
6.4.1概念聚类
6.4.2Max—Max相似度计算方法
6.4.3聚类删减优化
6.5相关工作
6.6小结
第7章基于概念化的海量竞价关键字匹配
7.1引言
7.2语义网络
7.3系统框架
7.4概念化
7.4.1实体检测
7.4.2词义推导
7.4.3消除歧义
7.5检索
7.5.1基于点击数据的候选竞价关键字选择
7.5.2基于概念的候选竞价关键字选择
7.5.3排名
7.6相关工作
7.7小结
第8章短文本理解研究展望
8.1知识语义网
8.2显性知识和隐性知识的结合
参考文献
内容摘要
短文本理解是伴随着搜索引擎、社交网络,以及聊天机器人等应用场景而兴起的一个研究课题。它是近年来的一个研究热点，且对未来人工智能的发展有重要的影响。本书所介绍的短文本数据理解技术，涵盖学术界及工业界前沿的理论及方法，可以广泛应用于搜索引擎、广告系统、智能助手等场景中，是大数据管理不可或缺的部分，具有较高的实际应用价值。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价