人工智慧:知識圖譜前沿技術

人工智慧:知識圖譜前沿技術

《人工智慧:知識圖譜前沿技術》是2020年電子工業出版社出版的圖書,作者朱小燕。

基本介紹

  • 中文名:人工智慧:知識圖譜前沿技術
  • 作者:朱小燕
  • 出版社:電子工業出版社
  • 出版時間:2020年6月
  • 頁數:252 頁
  • 定價:78 元
  • 開本:16 開
  • ISBN:9787121389924
內容簡介,圖書目錄,

內容簡介

知識圖譜作為當前人工智慧的重要方向之一,不僅被實驗室的研究者關注,更被各行各業的商業套用所關注。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。智慧型離不開知識。知識始終是人工智慧的核心之一。本書按照知識表示、知識庫構建、知識推理和知識套用的基本脈絡,全面介紹有關知識圖譜的前沿技術。為便於理解和融會貫通,本書也對相關 NLP與機器學習的基本知識與知識圖譜的經典傳統方法進行了適當描述。本書既可作為人工智慧領域研究人員的技術參考書,也可作為高等院校相關專業師生的教學參考書。

圖書目錄

第1章緒論
11什麼是知識
12知識類型與知識金字塔
13什麼是知識圖譜
14知識圖譜的發展歷史
15知識圖譜研究的主要內容
151知識表示
152構建知識庫
153知識推理
154知識套用
16本書內容安排
第2章傳統知識表示與建模
21知識表示的基本概念
22基於邏輯的知識表示
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歸結原理
23產生式表示方法
231事實與規則的表示
232產生式系統的結構
233產生式系統的推理
24語義網路表示方法
241語義網路的歷史
242語義網路的結構
243語義網路的實例
244基本的語義關係
245語義網路的推理
25框架表示方法
251框架理論的概念
252框架的結構和框架的推理
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
第3章現代文本表示學習基礎
31文本表示學習的基礎模型
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
第4章現代知識表示與學習
41基於幾何變換的知識圖譜表示學習
411基於平移原則的知識圖譜表示學習
412基於混合幾何變換的知識圖譜表示學習
413基於流形原則的知識圖譜表示學習
42基於神經網路的知識圖譜表示模型
421距離模型
422簡單網路模型
423複雜網路模型
43結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
第5章知識圖譜的構建
51命名實體識別
511什麼是命名實體
512任務概述
513傳統的命名實體識別方法
514基於深度學習的命名實體識別方法
515基於深度學習的命名實體識別新模型及新思路
52命名實體連結
521任務概述
522傳統的命名實體連結方法
523基於深度學習的命名實體連結方法
53命名實體關係抽取
531任務概述
532傳統的命名實體關係抽取方法
533基於深度學習的命名實體關係抽取方法
54本章小結
第6章知識推理
61什麼是知識推理
62基於符號的知識推理
63基於隨機遊走的路徑排序算法
64基於增強學習的路徑推理
641DeepPath
642MINERVA
65基於深度神經網路的路徑推理
651Path-RNN
652擴展的Path-RNN
66本章小結
第7章知識圖譜的套用
71知識庫問答
711基於信息抽取的知識庫問答
712基於語義解析的知識庫問答
713基於嵌入表示的知識庫問答
72知識圖譜在文本生成中的套用
721常識知識驅動的對話生成模型
722常識知識驅動的故事結局生成模型
73知識圖譜在情感挖掘中的套用
731語言學知識驅動的情感分類
732知識圖譜驅動的情感分析
74本章小結
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領域相關的知識圖譜資源
821電子商務知識圖譜
822中醫藥知識圖譜
83本章小結
參考文獻

相關詞條

熱門詞條

聯絡我們