自然语言理解与行业知识图谱：概念、方法与工程落地
全新正版 极速发货
￥ 56.61 4.8折 ￥ 119 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者王楠，赵宏宇，蔡月
出版社机械工业出版社
ISBN9787111698302
出版时间2022-01
装帧平装
开本其他
定价119元
货号31358373
上书时间2024-05-21
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
王楠，北京大学博士，“创青春-中关村U30”2020年度优胜者，先后任教于中国科学院、北京信息科技大学计算机学院。研究方向包括人工智能算法、知识图谱、自然语言处理与地球电磁学等。主持或参与国家科技重大专项、高分专项、军口预研、卫星系统、企业大数据系统等科研项目，累计获得研发经费超过千万元人民币。负责企业级“专利大数据智能分析系统”的研发，领导技术团队完成软件平台搭建、商用和优化。以作者身份发表行业内高水平论文十余篇，获得多项发明和实用新型专利，提交专利申请十余项。 赵宏宇，现就职于腾讯看点搜索团队，担任算法研究员。有多年NLP、搜索系统、推荐系统的工作经验，涉及专利、招聘和网页搜索等场景。精通PyTorch、TensorFlow等主流深度学习框架，擅长运用NLP前沿技术解决工业项目难题。在意图识别、内容推荐、相关性排序等领域有多年实战经验。曾参与千万级用户求职领域的推荐工作，作为算法主要负责人，主导全新算法落地迭代、线上算法优化以及上亿DAU网页搜索优化迭代。曾与人合著《智能搜索与推荐系统：原理、算法与应用》一书。 蔡月，清华-深圳湾实验室联合培养博士后，于2017年获得北京大学生物医学工程博士学位。曾担任东软医疗上海磁共振研发中心高级算法研究员。研究方向为数据科学、磁共振图像算法、深度学习等，擅长脑科学领域数据分析、磁共振图像加速、去噪等算法研究。曾在脑科学领域SCI期刊Neuroscience、Neurotoxicity Research上发表多篇文章，获得多项发明专利。
目录
推荐序一<br/>推荐序二<br/>前言<br/>符号表<br/>第1章 自然语言之“理解”1<br/>1.1 基本脉络5<br/>1.1.1 文字传承6<br/>1.1.2 机器处理8<br/>1.1.3 理解困境9<br/>1.2 商业曙光10<br/>1.3 认知落脚点12<br/>1.3.1 文本分析之锚13<br/>1.3.2 走向智能之路14<br/>1.3.3 第一步在何方14<br/>1.4 思辨未来14<br/>1.4.1 语言理解与语义知识的辨析14<br/>1.4.2 行业知识图谱构建问题15<br/>小结15<br/>参考文献16<br/>第2章 自然语言理解逻辑17<br/>2.1 符号-连接-融合17<br/>2.2 语言理解任务18<br/>2.2.1 语法类任务20<br/>2.2.2 语义类任务26<br/>2.2.3 语用类任务34<br/>2.3 语言理解体系42<br/>小结43<br/>参考文献44<br/>第3章 自然语言处理45<br/>3.1 自然语言文本特征46<br/>3.1.1 通用语言文本特征46<br/>3.1.2 行业语言文本特征47<br/>3.1.3 语言文本特征表示48<br/>3.1.4 语言特征选择49<br/>3.2 自然语言统计学习54<br/>3.2.1 统计学习基础54<br/>3.2.2 语言语料库65<br/>3.2.3 语料采样66<br/>3.2.4 语言模型67<br/>3.3 自然语言机器学习69<br/>3.3.1 文本分类方法69<br/>3.3.2 文本标注方法84<br/>3.3.3 文本聚类方法90<br/>3.3.4 文本生成方法95<br/>3.3.5 文本匹配方法97<br/>3.3.6 图计算方法104<br/>3.4 自然语言深度学习114<br/>3.4.1 神经网络学习115<br/>3.4.2 神经网络结构118<br/>3.4.3 深度表示学习136<br/>3.4.4 预训练语言模型139<br/>3.4.5 前沿与思考148<br/>小结149<br/>参考文献149<br/>第4章 知识图谱150<br/>4.1 语言知识与语言知识库150<br/>4.2 知识图谱演进152<br/>4.3 知识图谱工程153<br/>4.3.1 知识表示154<br/>4.3.2 知识加工158<br/>4.3.3 知识建模与计算166<br/>4.3.4 知识存储与查询168<br/>4.3.5 知识更新170<br/>4.4 知识图谱智能171<br/>4.4.1 语义匹配171<br/>4.4.2 搜索推荐172<br/>4.4.3 问答对话174<br/>4.4.4 推理决策175<br/>4.4.5 区块链协作176<br/>4.5 通用知识图谱177<br/>4.5.1 百科知识图谱177<br/>4.5.2 常识知识图谱179<br/>4.5.3 中文类知识图谱180<br/>4.6 行业知识图谱181<br/>4.6.1 金融知识图谱182<br/>4.6.2 医疗知识图谱186<br/>4.6.3 教育知识图谱189<br/>4.6.4 公安知识图谱191<br/>4.6.5 司法知识图谱193<br/>4.6.6 电商生活知识图谱194<br/>4.6.7 图书文献知识图谱196<br/>4.6.8 房地产知识图谱198<br/>小结199<br/>第5章 行业知识工程实践201<br/>5.1 行业知识库202<br/>5.1.1 行业语料库203<br/>5.1.2 行业术语知识库206<br/>5.1.3 行业文本规则库216<br/>5.1.4 行业特征字段库219<br/>5.1.5 行业本体库220<br/>5.1.6 行业附图库225<br/>5.1.7 行业产品库227<br/>5.1.8 行业标准库230<br/>5.1.9 应用知识库232<br/>5.2 行业模型算法库233<br/>5.2.1 文本匹配233<br/>5.2.2 文本分类237<br/>5.2.3 文本标注248<br/>5.2.4 文本生成255<br/>5.2.5 关联图计算260<br/>5.2.6 价值评估261<br/>5.3 标注、训练和更新264<br/>5.3.1 标注工具264<br/>5.3.2 训练框架267<br/>5.3.3 知识更新269<br/>小结269<br/>第6章 行业知识图谱模块271<br/>6.1 关键词助手273<br/>6.1.1 术语图谱274<br/>6.1.2 产品图谱277<br/>6.2 搜索问答278<br/>6.2.1 语义搜索279<br/>6.2.2 功能搜索281<br/>6.2.3 事实型问答283<br/>6.3 推理计算284<br/>小结288<br/>第7章 行业智能应用平台289<br/>7.1 平台架构初探289<br/>7.1.1 硬件拓扑架构290<br/>7.1.2 平台系统架构290<br/>7.1.3 功能服务架构293<br/>7.2 平台认知功能组件293<br/>7.2.1 文本检索293<br/>7.2.2 文本分析298<br/>7.2.3 文本挖掘306<br/>7.2.4 监控预警311<br/>7.2.5 价值运营312<br/>7.2.6 信息流管理313<br/>7.3 权限与安全管理314<br/>7.3.1 架构与流程315<br/>7.3.2 平台用户管理316<br/>7.3.3 安全管理318<br/>小结318<br/>第8章 行业文本智能应用320<br/>8.1 高价值文本发现320<br/>8.1.1 高价值文本定义320<br/>8.1.2 高价值文本评价321<br/>8.1.3 价值发现与价值运营321<br/>8.2 成果分级分类管理322<br/>8.2.1 成果分级323<br/>8.2.2 成果分类323<br/>8.3 新兴方向预测324<br/>8.4 技术背景调查326<br/>小结328<br/>附录A 概率论基础330<br/>附录B 信息论基础339
内容摘要
首先阐述自然语言理解的发展脉络和分析逻辑，主要围绕语言符号、处理体系、语义理解等进行探讨，引出自然语言理解的自动分析原理和方法，包括对自然语言特征、统计语言学习、常规机器学习、深度学习、知识图谱方面的介绍。在上述基本自然语言处理方法讲解基础上，继续阐述行业知识图谱搭建和行业应用的方法。通过作者团队几年来在自然语言处理和行业知识图谱的实践经验，探讨垂直行业认知的逻辑和解决方案。本书为互联网企业的文本智能平台构建的提供了很好的案例参考，也为行业信息化从业者提供了从入门到进阶的一整套技术指导，同时也适合作为自然语言处理、知识图谱、计算机、人工智能等领域从业者的学习指导书，若是对自然语言处理、知识图谱、人工智能感兴趣的学生、创业团队，本书也非常适宜阅读。<br>
— 没有更多了 —
以下为对购买帮助不大的评价