人工智能：知識圖譜前沿技術(shù)

定　價：￥78.00

作　者：	暫缺
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥74.90)

ISBN：	9787121389924	出版時間：	2020-06-01	包裝：	精裝
開本：	16開	頁數(shù)：	252	字數(shù)：

內(nèi)容簡介

　　知識圖譜作為當前人工智能的重要方向之一，不僅被實驗室的研究者關(guān)注，更被各行各業(yè)的商業(yè)應(yīng)用所關(guān)注。知識圖譜是一個古老而又嶄新的課題，是知識工程在新時代的新形態(tài)。智能離不開知識。知識始終是人工智能的核心之一。本書按照知識表示、知識庫構(gòu)建、知識推理和知識應(yīng)用的基本脈絡(luò)，全面介紹有關(guān)知識圖譜的前沿技術(shù)。為便于理解和融會貫通，本書也對相關(guān) NLP與機器學習的基本知識與知識圖譜的經(jīng)典傳統(tǒng)方法進行了適當描述。本書既可作為人工智能領(lǐng)域研究人員的技術(shù)參考書，也可作為高等院校相關(guān)專業(yè)師生的教學參考書。

作者簡介

　　朱小燕，清華大學計算機系教授，智能技術(shù)與系統(tǒng)國家重點實驗室主任，曾任清華大學計算機系副主任。位列 “人工智能全球女性榜單” “2019年度中國人工智能100人榜單”。從事人工智能領(lǐng)域相關(guān)工作30余年，主要研究領(lǐng)域為智能信息處理，包括人工神經(jīng)網(wǎng)絡(luò)、機器學習、自然語言處理、智能信息提取、智能問答系統(tǒng)等。獲得國家發(fā)明專利十余項，在國際刊物和會議上發(fā)表論文100余篇。近幾年研究工作主要集中于新一代智能信息獲取與人機對話/交互的研究，所研究的原型系統(tǒng)曾應(yīng)用于多家知名企業(yè)。

圖書目錄

第1章緒論
1.1什么是知識
1.2知識類型與知識金字塔
1.3什么是知識圖譜
1.4知識圖譜的發(fā)展歷史
1.5知識圖譜研究的主要內(nèi)容
1.5.1知識表示
1.5.2構(gòu)建知識庫
1.5.3知識推理
1.5.4知識應(yīng)用
1.6本書內(nèi)容安排
第2章傳統(tǒng)知識表示與建模
2.1知識表示的基本概念
2.2基于邏輯的知識表示
2.2.1邏輯的基本概念
2.2.2命題邏輯
2.2.3謂詞邏輯
2.2.4歸結(jié)原理
2.3產(chǎn)生式表示方法
2.3.1事實與規(guī)則的表示
2.3.2產(chǎn)生式系統(tǒng)的結(jié)構(gòu)
2.3.3產(chǎn)生式系統(tǒng)的推理
2.4語義網(wǎng)絡(luò)表示方法
2.4.1語義網(wǎng)絡(luò)的歷史
2.4.2語義網(wǎng)絡(luò)的結(jié)構(gòu)
2.4.3語義網(wǎng)絡(luò)的實例
2.4.4基本的語義關(guān)系
2.4.5語義網(wǎng)絡(luò)的推理
2.5框架表示方法
2.5.1框架理論的概念
2.5.2框架的結(jié)構(gòu)和框架的推理
2.6其他表示方法
2.6.1腳本知識表示方法
2.6.2過程性知識表示方法
2.7本章小結(jié)
第3章現(xiàn)代文本表示學習基礎(chǔ)
3.1文本表示學習的基礎(chǔ)模型
3.1.1單詞的分布表示
3.1.2句子的分布表示
3.1.3文檔的分布表示
3.2文本表示學習的進階模型
3.2.1ELMo
3.2.2GPT
3.2.3BERT
3.3文本表示與知識表示
3.4本章小結(jié)
第4章現(xiàn)代知識表示與學習
4.1基于幾何變換的知識圖譜表示學習
4.1.1基于平移原則的知識圖譜表示學習
4.1.2基于混合幾何變換的知識圖譜表示學習
4.1.3基于流形原則的知識圖譜表示學習
4.2基于神經(jīng)網(wǎng)絡(luò)的知識圖譜表示模型
4.2.1距離模型
4.2.2簡單網(wǎng)絡(luò)模型
4.2.3復雜網(wǎng)絡(luò)模型
4.3結(jié)合文本的知識圖譜表示方法SSP
4.3.1研究背景
4.3.2模型描述
4.4本章小結(jié)
第5章知識圖譜的構(gòu)建
5.1命名實體識別
5.1.1什么是命名實體
5.1.2任務(wù)概述
5.1.3傳統(tǒng)的命名實體識別方法
5.1.4基于深度學習的命名實體識別方法
5.1.5基于深度學習的命名實體識別新模型及新思路
5.2命名實體鏈接
5.2.1任務(wù)概述
5.2.2傳統(tǒng)的命名實體鏈接方法
5.2.3基于深度學習的命名實體鏈接方法
5.3命名實體關(guān)系抽取
5.3.1任務(wù)概述
5.3.2傳統(tǒng)的命名實體關(guān)系抽取方法
5.3.3基于深度學習的命名實體關(guān)系抽取方法
5.4本章小結(jié)
第6章知識推理
6.1什么是知識推理
6.2基于符號的知識推理
6.3基于隨機游走的路徑排序算法
6.4基于增強學習的路徑推理
6.4.1DeepPath
6.4.2MINERVA
6.5基于深度神經(jīng)網(wǎng)絡(luò)的路徑推理
6.5.1Path-RNN
6.5.2擴展的Path-RNN
6.6本章小結(jié)
第7章知識圖譜的應(yīng)用
7.1知識庫問答
7.1.1基于信息抽取的知識庫問答
7.1.2基于語義解析的知識庫問答
7.1.3基于嵌入表示的知識庫問答
7.2知識圖譜在文本生成中的應(yīng)用
7.2.1常識知識驅(qū)動的對話生成模型
7.2.2常識知識驅(qū)動的故事結(jié)局生成模型
7.3知識圖譜在情感挖掘中的應(yīng)用
7.3.1語言學知識驅(qū)動的情感分類
7.3.2知識圖譜驅(qū)動的情感分析
7.4本章小結(jié)
第8章知識圖譜資源
8.1通用的知識圖譜資源
8.1.1Freebase
8.1.2DBpedia
8.1.3OpenKG
8.1.4NELL
8.2領(lǐng)域相關(guān)的知識圖譜資源
8.2.1電子商務(wù)知識圖譜
8.2.2中醫(yī)藥知識圖譜
8.3本章小結(jié)
參考文獻