人工智能 类型
可以朗读 语音朗读
212千字 字数
2020-06-01 发行日期
展开全部

主编推荐语

人工智能核心：知识图谱前沿技术全面解析。

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，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，所以知识始终是人工智能的核心之一。本书将按照知识表示、知识库构建、知识推理和知识应用的基本脉络，全面地介绍有关于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经典传统方法进行了适当的描述。

目录

  • 封面
  • 书名页
  • 版权页
  • 人工智能出版工程丛书编委会
  • 前言
  • 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
  • 3.2.1 ELMo
  • 3.2.2 GPT
  • 3.2.3 BERT
  • 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
  • 6.4.1 DeepPath
  • 6.4.2 MINERVA
  • 6.5 基于深度神经网络的路径推理
  • 6.5.1 Path-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
  • 8.1.1 Freebase
  • 8.1.2 DBpedia
  • 8.1.3 OpenKG
  • 8.1.4 NELL
  • 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
  • 反侵权盗版声明
  • 封底
展开全部

评分及书评

评分不足
1个评分
  • 用户头像
    给这本书评了
    4.0

    在人工智能时代，知识将以全新的方式被组织，已成为必然，在这种新的方式下，去中心化、相关性、关联等，成为关键词。知识与知识的链接成为了新的知识。本书系统的解答了知识图谱的原理和呈现方式，是一本值得推荐的参考书。

      转发
      评论

    出版方

    电子工业出版社

    电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。