掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
中醫(yī)基礎理論
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內科學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
-
>
中醫(yī)診斷學--新世紀第五版
-
>
中藥學·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
知識圖譜 版權信息
- ISBN：9787040509847
- 條形碼：9787040509847 ; 978-7-04-050984-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
知識圖譜 本書特色
本書分為四部分，*部分是知識圖譜的基本信息，包括知識圖譜概述、知識表示方法、存儲和檢索技術；第二部分是知識圖譜的構建，包括知識框架的構建、實體和概念構建、關系構建、復雜關系構建；第三部分是知識圖譜的應用，包括知識導航與可視化、知識推理、基于知識圖譜的問答和對話、領域知識圖譜的建立和應用；*后是總結與展望。 本書可作為從事或希望從事“知識圖譜”工作的學生和工程師的自學教材，將配套豐富的開源代碼和案例視頻，使讀者學完本書就能上手做項目。
知識圖譜 內容簡介
本書分為四部分，**部分是知識圖譜的基本信息，包括知識圖譜概述、知識表示方法、存儲和檢索技術；第二部分是知識圖譜的構建，包括知識框架的構建、實體和概念構建、關系構建、復雜關系構建；第三部分是知識圖譜的應用，包括知識導航與可視化、知識推理、基于知識圖譜的問答和對話、領域知識圖譜的建立和應用；*后是總結與展望。 本書可作為從事或希望從事“知識圖譜”工作的學生和工程師的自學教材，將配套豐富的開源代碼和案例視頻，使讀者學完本書就能上手做項目。
知識圖譜 目錄
前輔文
**章 概述
1.1 什么是知識圖譜
1.2 知識圖譜發(fā)展歷程
1.3 知識圖譜類型
1.4 知識圖譜生命周期
1.4.1 知識體系構建
1.4.2 知識獲取
1.4.3 知識融合
1.4.4 知識存儲
1.4.5 知識推理
1.4.6 知識應用
1.5 知識圖譜與深度學習
1.6 小結
第二章 知識表示
2.1 經典知識表示理論
2.1.1 邏輯
2.1.2 語義網絡
2.1.3 框架
2.1.4 腳本
2.2 語義網中的知識表示方法
2.2.1 語義網表示方法
2.2.2 語義網知識描述體系
2.3 知識圖譜中的知識表示方法
2.3.1 表示框架
2.3.2 Freebase中的知識框架
2.4 知識圖譜的數值化表示方法
2.4.1 符號的數值化表示
2.4.2 文本的數值化表示
2.4.3 知識圖譜的數值化表示
2.5 小結
第三章 知識體系構建和知識融合
3.1 知識體系構建
3.1.1 人工構建方法
3.1.2 自動構建方法
3.1.3 典型知識體系
3.2 知識融合
3.2.1 框架匹配
3.2.2 實體對齊
3.2.3 沖突檢測與消解
3.2.4 典型知識融合系統(tǒng)
3.3 小結
第四章 實體識別和擴展
4.1 實體識別
4.1.1 任務概述
4.1.2 基于規(guī)則的實體識別方法
4.1.3 基于機器學習的實體識別——基于特征的方法
4.1.4 基于機器學習的實體識別——基于神經網絡的方法
4.2 細粒度實體識別
4.2.1 任務概述
4.2.2 細粒度實體識別方法
4.3 實體擴展
4.3.1 任務概述
4.3.2 實體擴展方法
4.4 小結
第五章 實體消歧
5.1 任務概述
5.1.1 任務定義
5.1.2 任務分類
5.1.3 相關評測
5.2 基于聚類的實體消歧方法
5.2.1 基于表層特征的實體指稱項相似度計算
5.2.2 基于擴展特征的實體指稱項相似度計算
5.2.3 基于社會化網絡的實體指稱項相似度計算
5.3 基于實體鏈接的實體消歧方法
5.3.1 鏈接候選過濾方法
5.3.2 實體鏈接方法
5.4 面向結構化文本的實體消歧方法
5.5 小結
第六章 關系抽取
6.1 任務概述
6.1.1 任務定義
6.1.2 任務分類
6.1.3 任務難點
6.1.4 相關評測
6.2 限定域關系抽取
6.2.1 基于模板的關系抽取方法
6.2.2 基于機器學習的關系抽取方法
6.3 開放域關系抽取
6.4 小結
第七章 事件抽取
7.1 任務概述
7.2 限定域事件抽取
7.2.1 基于模式匹配的事件抽取方法
7.2.2 基于機器學習的事件抽取方法
7.3 開放域事件抽取
7.3.1 基于內容特征的事件抽取方法
7.3.2 基于異常檢測的事件抽取方法
7.4 事件關系抽取
7.4.1 事件共指關系抽取
7.4.2 事件因果關系抽取
7.4.3 子事件關系抽取
7.4.4 事件時序關系抽取
7.5 小結
第八章 知識存儲和檢索
8.1 知識圖譜的存儲
8.1.1 基于表結構的存儲
8.1.2 基于圖結構的存儲
8.2 知識圖譜的檢索
8.2.1 常見形式化查詢語言
8.2.2 圖檢索技術
8.3 小結
第九章 知識推理
9.1 知識圖譜中的典型推理任務
9.1.1 知識補全
9.1.2 知識問答
9.2 知識推理分類
...... 全部內容請購買實物書籍
**章 概述
1.1 什么是知識圖譜
1.2 知識圖譜發(fā)展歷程
1.3 知識圖譜類型
1.4 知識圖譜生命周期
1.4.1 知識體系構建
1.4.2 知識獲取
1.4.3 知識融合
1.4.4 知識存儲
1.4.5 知識推理
1.4.6 知識應用
1.5 知識圖譜與深度學習
1.6 小結
第二章 知識表示
2.1 經典知識表示理論
2.1.1 邏輯
2.1.2 語義網絡
2.1.3 框架
2.1.4 腳本
2.2 語義網中的知識表示方法
2.2.1 語義網表示方法
2.2.2 語義網知識描述體系
2.3 知識圖譜中的知識表示方法
2.3.1 表示框架
2.3.2 Freebase中的知識框架
2.4 知識圖譜的數值化表示方法
2.4.1 符號的數值化表示
2.4.2 文本的數值化表示
2.4.3 知識圖譜的數值化表示
2.5 小結
第三章 知識體系構建和知識融合
3.1 知識體系構建
3.1.1 人工構建方法
3.1.2 自動構建方法
3.1.3 典型知識體系
3.2 知識融合
3.2.1 框架匹配
3.2.2 實體對齊
3.2.3 沖突檢測與消解
3.2.4 典型知識融合系統(tǒng)
3.3 小結
第四章 實體識別和擴展
4.1 實體識別
4.1.1 任務概述
4.1.2 基于規(guī)則的實體識別方法
4.1.3 基于機器學習的實體識別——基于特征的方法
4.1.4 基于機器學習的實體識別——基于神經網絡的方法
4.2 細粒度實體識別
4.2.1 任務概述
4.2.2 細粒度實體識別方法
4.3 實體擴展
4.3.1 任務概述
4.3.2 實體擴展方法
4.4 小結
第五章 實體消歧
5.1 任務概述
5.1.1 任務定義
5.1.2 任務分類
5.1.3 相關評測
5.2 基于聚類的實體消歧方法
5.2.1 基于表層特征的實體指稱項相似度計算
5.2.2 基于擴展特征的實體指稱項相似度計算
5.2.3 基于社會化網絡的實體指稱項相似度計算
5.3 基于實體鏈接的實體消歧方法
5.3.1 鏈接候選過濾方法
5.3.2 實體鏈接方法
5.4 面向結構化文本的實體消歧方法
5.5 小結
第六章 關系抽取
6.1 任務概述
6.1.1 任務定義
6.1.2 任務分類
6.1.3 任務難點
6.1.4 相關評測
6.2 限定域關系抽取
6.2.1 基于模板的關系抽取方法
6.2.2 基于機器學習的關系抽取方法
6.3 開放域關系抽取
6.4 小結
第七章 事件抽取
7.1 任務概述
7.2 限定域事件抽取
7.2.1 基于模式匹配的事件抽取方法
7.2.2 基于機器學習的事件抽取方法
7.3 開放域事件抽取
7.3.1 基于內容特征的事件抽取方法
7.3.2 基于異常檢測的事件抽取方法
7.4 事件關系抽取
7.4.1 事件共指關系抽取
7.4.2 事件因果關系抽取
7.4.3 子事件關系抽取
7.4.4 事件時序關系抽取
7.5 小結
第八章 知識存儲和檢索
8.1 知識圖譜的存儲
8.1.1 基于表結構的存儲
8.1.2 基于圖結構的存儲
8.2 知識圖譜的檢索
8.2.1 常見形式化查詢語言
8.2.2 圖檢索技術
8.3 小結
第九章 知識推理
9.1 知識圖譜中的典型推理任務
9.1.1 知識補全
9.1.2 知識問答
9.2 知識推理分類
...... 全部內容請購買實物書籍
展開全部
知識圖譜 作者簡介
趙軍，中國科學院自動化研究所研究員，博士生導師。長期從事自然語言處理、信息抽取、知識圖譜和問答系統(tǒng)方向的研究，承擔國家自然科學基金重點課題、973計劃、863計劃等多個國家科研項目和中國大百科全書出版社、華為、云知聲、螞蟻金服等企業(yè)項目，
書友推薦
- >
名家?guī)阕x魯迅:故事新編
- >
月亮與六便士
- >
名家?guī)阕x魯迅:朝花夕拾
- >
推拿
- >
伯納黛特,你要去哪(2021新版)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
- >
我與地壇
本類暢銷
