返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 短文本数据理解 王仲远 编著 专业科技 文轩网
  • 新华书店正版
    • 作者: 王仲远 编著著
    • 出版社: 机械工业出版社
    • 出版时间:2017-05-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 王仲远 编著著
    • 出版社:机械工业出版社
    • 出版时间:2017-05-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2017-05-01
    • 页数:137
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    短文本数据理解

    作  者:王仲远 编著
    定  价:69
    出 版 社:机械工业出版社
    出版日期:2017年05月01日
    页  数:137
    装  帧:精装
    ISBN:9787111558811
    主编推荐

    内容简介

    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。

    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null

    精彩内容

    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

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购