• 人工智能:知识图谱前沿技术
  • 人工智能:知识图谱前沿技术
  • 人工智能:知识图谱前沿技术
  • 人工智能:知识图谱前沿技术
21年品牌 40万+商家 超1.5亿件商品

人工智能:知识图谱前沿技术

10.08 1.3折 78 九五品

库存2件

广东广州
认证卖家担保交易快速发货售后保障

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B25569

上书时间2024-08-09

浩林2的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九五品
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 

11什么是知识 

12知识类型与知识金字塔 

13什么是知识图谱 

14知识图谱的发展历史 

15知识图谱研究的主要内容 

151知识表示 

152构建知识库 

153知识推理 

154知识应用 

16本书内容安排 

第2章传统知识表示与建模 

21知识表示的基本概念 

22基于逻辑的知识表示 

221逻辑的基本概念 

222命题逻辑 

223谓词逻辑 

224归结原理 

23产生式表示方法 

231事实与规则的表示 

232产生式系统的结构 

233产生式系统的推理 

24语义网络表示方法 

241语义网络的历史 

242语义网络的结构 

243语义网络的实例 

244基本的语义关系 

245语义网络的推理 

25框架表示方法 

251框架理论的概念 

252框架的结构和框架的推理 

26其他表示方法 

261脚本知识表示方法 

262过程性知识表示方法 

27本章小结 

第3章现代文本表示学习基础 

31文本表示学习的基础模型 

311单词的分布表示 

312句子的分布表示 

313文档的分布表示 

32文本表示学习的进阶模型 

321ELMo 

322GPT 

323BERT 

33文本表示与知识表示 

34本章小结 

第4章现代知识表示与学习 

41基于几何变换的知识图谱表示学习 

411基于平移原则的知识图谱表示学习 

412基于混合几何变换的知识图谱表示学习 

413基于流形原则的知识图谱表示学习 

42基于神经网络的知识图谱表示模型 

421距离模型 

422简单网络模型 

423复杂网络模型 

43结合文本的知识图谱表示方法SSP 

431研究背景 

432模型描述 

44本章小结 

第5章知识图谱的构建 

51命名实体识别 

511什么是命名实体 

512任务概述 

513传统的命名实体识别方法 

514基于深度学习的命名实体识别方法 

515基于深度学习的命名实体识别新模型及新思路 

52命名实体链接 

521任务概述 

522传统的命名实体链接方法 

523基于深度学习的命名实体链接方法 

53命名实体关系抽取 

531任务概述 

532传统的命名实体关系抽取方法 

533基于深度学习的命名实体关系抽取方法 

54本章小结 

第6章知识推理 

61什么是知识推理 

62基于符号的知识推理 

63基于随机游走的路径排序算法 

64基于增强学习的路径推理 

641DeepPath 

642MINERVA 

65基于深度神经网络的路径推理 

651Path-RNN 

652扩展的Path-RNN 

66本章小结 

第7章知识图谱的应用 

71知识库问答 

711基于信息抽取的知识库问答 

712基于语义解析的知识库问答 

713基于嵌入表示的知识库问答 

72知识图谱在文本生成中的应用 

721常识知识驱动的对话生成模型 

722常识知识驱动的故事结局生成模型 

73知识图谱在情感挖掘中的应用 

731语言学知识驱动的情感分类 

732知识图谱驱动的情感分析 

74本章小结 

第8章知识图谱资源 

81通用的知识图谱资源 

811Freebase 

812DBpedia 

813OpenKG 

814NELL 

82领域相关的知识图谱资源 

821电子商务知识图谱 

822中医药知识图谱 

83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

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP