知識圖譜

定　價：￥49.90

作　者：	劉康，何世柱，陳玉博
出版社：	高等教育出版社
叢編項：	人工智能叢書
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥49.90)

ISBN：	9787040509847	出版時間：	2018-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	293	字數(shù)：

內(nèi)容簡介

　　趙軍主編的《知識圖譜/人工智能叢書》聚焦于知識圖譜，分十個章節(jié)閘繞知識建模、知識獲取、知識融合、存儲和檢索、知識推理以及知識服務(wù)等知識圖譜生命周期各個主要環(huán)節(jié)展開介紹。每章以任務(wù)為導(dǎo)引，引出任務(wù)描述、難點問題、基本方法、研究現(xiàn)狀和存在的問題，并從多個相關(guān)的研究方向?qū)Ω鱾€任務(wù)的發(fā)展進程進行系統(tǒng)的、多維度的梳理，注重介紹傳統(tǒng)知識工程的思想和理論以及機器學(xué)習(xí)和深度學(xué)習(xí)在知識圖譜各個環(huán)節(jié)中應(yīng)用的技術(shù)和方法，從而使讀者能夠了解發(fā)展脈絡(luò)，激發(fā)研究興趣，思考核心問題，領(lǐng)悟發(fā)展方向。本書可以作為自然語言處理、知識工程、人工智能等桐關(guān)課程的研究生教材，也可供計算機科學(xué)技術(shù)領(lǐng)域相關(guān)工程技術(shù)人員學(xué)習(xí)參考。

作者簡介

　　趙軍，中國科學(xué)院自動化研究所研究員，博士生導(dǎo)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(dān)國家自然科學(xué)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，

圖書目錄

第一章概述
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(gòu)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(yīng)用
1．5 知識圖譜與深度學(xué)習(xí)
1．6 小結(jié)
第二章知識表示
2．1 經(jīng)典知識表示理論
2．1．1 邏輯
2．1．2 語義網(wǎng)絡(luò)
2．1．3 框架
2．1．4 腳本
2．2 語義網(wǎng)中的知識表示方法
2．2．1 語義網(wǎng)表示方法
2．2．2 語義網(wǎng)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(shù)值化表示方法
2．4．1 符號的數(shù)值化表示
2．4．2 文本的數(shù)值化表示
2．4．3 知識圖譜的數(shù)值化表示
2．5 小結(jié)
第三章知識體系構(gòu)建和知識融合
3．1 知識體系構(gòu)建
3．1．1 人工構(gòu)建方法
3．1．2 自動構(gòu)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(jié)
第四章實體識別和擴展
4．1 實體識別
4．1．1 任務(wù)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(xué)習(xí)的實體識別——基于特征的方法
4．1．4 基于機器學(xué)習(xí)的實體識別——基于神經(jīng)網(wǎng)絡(luò)的方法
4．2 細粒度實體識別
4．2．1 任務(wù)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(wù)概述
4．3．2 實體擴展方法
4．4 小結(jié)
第五章實體消歧
5．1 任務(wù)概述
5．1．1 任務(wù)定義
5．1．2 任務(wù)分類
5．1．3 相關(guān)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(wǎng)絡(luò)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(jié)構(gòu)化文本的實體消歧方法
5．5 小結(jié)
第六章關(guān)系抽取
6．1 任務(wù)概述
6．1．1 任務(wù)定義
6．1．2 任務(wù)分類
6．1．3 任務(wù)難點
6．1．4 相關(guān)評測
6．2 限定域關(guān)系抽取
6．2．1 基于模板的關(guān)系抽取方法
6．2．2 基于機器學(xué)習(xí)的關(guān)系抽取方法
6．3 開放域關(guān)系抽取
6．4 小結(jié)
第七章事件抽取
7．1 任務(wù)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(xué)習(xí)的事件抽取方法
7．3 開放域事件抽取
7．3．1 基于內(nèi)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(guān)系抽取
7．4．1 事件共指關(guān)系抽取
7．4．2 事件因果關(guān)系抽取
7．4．3 子事件關(guān)系抽取
7．4．4 事件時序關(guān)系抽取
7．5 小結(jié)
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(jié)構(gòu)的存儲
8．1．2 基于圖結(jié)構(gòu)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(shù)
8．3 小結(jié)
第九章知識推理
9．1 知識圖譜中的典型推理任務(wù)
9．1．1 知識補全
9．1．2 知識問答
9．2 知識推理分類
9．2．1 歸納推理和演繹推理
9．2．2 確定性推理與不確定性推理
9．2．3 符號推理和數(shù)值推理
9．3 基于符號演算的推理
9．3．1 歸納推理：學(xué)習(xí)推理規(guī)則
9．3．2 演繹推理：推理具體事實
9．4 基于數(shù)值計算的推理
9．4．1 基于張量分解的方法
9．4．2 基于能量函數(shù)的方法
9．5 符號演算和數(shù)值計算的融合推理
9．6 常識知識推理
9．7 小結(jié)
第十章知識問答與對話
10．1 自動問答概述
10．2 知識問答
10．2．1 知識問答技術(shù)概述
10．2．2 基于語義解析的方法
10．2．3 基于搜索排序的方法
10．2．4 常用評測數(shù)據(jù)及各方法性能比較
10．3 知識對話
10．3．1 知識對話技術(shù)概述
10．3．2 任務(wù)導(dǎo)向型對話模型
10．3．3 通用對話模型
10．3．4 評價方法
10．4 小結(jié)
參考文獻