人工智能:知识图谱前沿技术
¥
19.03
2.4折
¥
78
九品
仅1件
作者朱小燕
出版社电子工业出版社
出版时间2020-06
版次1
装帧精装
货号A7
上书时间2024-12-18
商品详情
- 品相描述:九品
图书标准信息
-
作者
朱小燕
-
出版社
电子工业出版社
-
出版时间
2020-06
-
版次
1
-
ISBN
9787121389924
-
定价
78.00元
-
装帧
精装
-
开本
16开
-
纸张
胶版纸
-
页数
252页
-
字数
227千字
- 【内容简介】
-
知识图谱作为当前人工智能的重要方向之一,不仅被实验室的研究者关注,更被各行各业的商业应用所关注。知识图谱是一个古老而又崭新的课题,是知识工程在新时代的新形态。智能离不开知识。知识始终是人工智能的核心之一。本书按照知识表示、知识库构建、知识推理和知识应用的基本脉络,全面介绍有关知识图谱的前沿技术。为便于理解和融会贯通,本书也对相关 NLP与机器学习的基本知识与知识图谱的经典传统方法进行了适当描述。本书既可作为人工智能领域研究人员的技术参考书,也可作为高等院校相关专业师生的教学参考书。
- 【作者简介】
-
朱小燕,清华大学,教授,著名的人工智能领域专家,入选2019年度中国人工智能100人榜单,现任智能技术与系统国家重点实验室主任。
- 【目录】
-
第1章绪论
11什么是知识
12知识类型与知识金字塔
13什么是知识图谱
14知识图谱的发展历史
15知识图谱研究的主要内容
151知识表示
152构建知识库
153知识推理
154知识应用
16本书内容安排
第2章传统知识表示与建模
21知识表示的基本概念
22基于逻辑的知识表示
221逻辑的基本概念
222命题逻辑
223谓词逻辑
224归结原理
23产生式表示方法
231事实与规则的表示
232产生式系统的结构
233产生式系统的推理
24语义网络表示方法
241语义网络的历史
242语义网络的结构
243语义网络的实例
244基本的语义关系
245语义网络的推理
25框架表示方法
251框架理论的概念
252框架的结构和框架的推理
26其他表示方法
261脚本知识表示方法
262过程性知识表示方法
27本章小结
第3章现代文本表示学习基础
31文本表示学习的基础模型
311单词的分布表示
312句子的分布表示
313文档的分布表示
32文本表示学习的进阶模型
321ELMo
322GPT
323BERT
33文本表示与知识表示
34本章小结
第4章现代知识表示与学习
41基于几何变换的知识图谱表示学习
411基于平移原则的知识图谱表示学习
412基于混合几何变换的知识图谱表示学习
413基于流形原则的知识图谱表示学习
42基于神经网络的知识图谱表示模型
421距离模型
422简单网络模型
423复杂网络模型
43结合文本的知识图谱表示方法SSP
431研究背景
432模型描述
44本章小结
第5章知识图谱的构建
51命名实体识别
511什么是命名实体
512任务概述
513传统的命名实体识别方法
514基于深度学习的命名实体识别方法
515基于深度学习的命名实体识别新模型及新思路
52命名实体链接
521任务概述
522传统的命名实体链接方法
523基于深度学习的命名实体链接方法
53命名实体关系抽取
531任务概述
532传统的命名实体关系抽取方法
533基于深度学习的命名实体关系抽取方法
54本章小结
第6章知识推理
61什么是知识推理
62基于符号的知识推理
63基于随机游走的路径排序算法
64基于增强学习的路径推理
641DeepPath
642MINERVA
65基于深度神经网络的路径推理
651Path-RNN
652扩展的Path-RNN
66本章小结
第7章知识图谱的应用
71知识库问答
711基于信息抽取的知识库问答
712基于语义解析的知识库问答
713基于嵌入表示的知识库问答
72知识图谱在文本生成中的应用
721常识知识驱动的对话生成模型
722常识知识驱动的故事结局生成模型
73知识图谱在情感挖掘中的应用
731语言学知识驱动的情感分类
732知识图谱驱动的情感分析
74本章小结
第8章知识图谱资源
81通用的知识图谱资源
811Freebase
812DBpedia
813OpenKG
814NELL
82领域相关的知识图谱资源
821电子商务知识图谱
822中医药知识图谱
83本章小结
参考文献
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价