文轩网图书旗舰店
  • 扫码下单

  • 人工智能 知识图谱前沿技术 朱小燕 等 编 专业科技 文轩网
  • 新华书店正版
    • 作者: 朱小燕等著
    • 出版社: 电子工业出版社
    • 出版时间:2020-06-01 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
    /
    ×

    店铺装修中

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    文轩网图书旗舰店

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

     

    商品参数
    • 作者: 朱小燕等著
    • 出版社:电子工业出版社
    • 出版时间:2020-06-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2020-06-01
    • 页数:252
    • 开本:其他
    • 装帧:平装
    • ISBN:9787121389924
    • 国别/地区:中国
    • 版权提供:电子工业出版社

    人工智能 知识图谱前沿技术

    作  者:朱小燕 等 编
    定  价:78
    出 版 社:电子工业出版社
    出版日期:2020年06月01日
    页  数:238
    装  帧:精装
    ISBN:9787121389924
    主编推荐

    "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。 "

    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,清华大学计算机系教授,智能技术与系统国家重点实验室主任,曾任清华大学计算机系副主任。位列 “人工智能全球女性榜单” “2019年度中国人工智能100人榜单”。从事人工智能领域相关工作30余年,主要研究领域为智能信息处理,包括人工神经网络、机器学习、自然语言处理、智能信息提取、智能问答系统等。获得国家发明专利十余项,在国际刊物和会议上发表论文100余篇。近几年研究工作主要集中于新一代智能信息获取与人机对话/交互的研究,所研究的原型系统曾应用于多家知名企业。

    精彩内容

    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

    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