人工智能
类型
可以朗读
语音朗读
261千字
字数
2022-07-01
发行日期
展开全部
主编推荐语
信息抽取：推动AI认知技术，助力知识图谱构建。
内容简介
信息抽取的目的是从海量互联网文本信息中抽取结构化知识，是知识图谱自动化构建、更新的基础，为信息检索、推荐系统、智能问答等诸多研究领域提供底层知识推理支撑并取得了重大突破，是推动人工智能技术由感知走向认知的关键要素，具有重要的研究意义和实用价值。本书梳理了命名实体识别、关系抽取、事件抽取等相关研究方向的知识资源、基础理论和实践应用，详细介绍了实体关系联合抽取、弱监督关系抽取、基于迁移学习的关系抽取、多实例联合事件抽取、基于因变量的事件模板推导等前沿理论研究，并以领域知识图谱、事理图谱等为例，详细介绍了信息抽取在图谱构建中的应用。最后本书对信息抽取进行了总结和未来研究方向展望。
目录
- 封面
- 版权信息
- 内容简介
- 前言
- 第1章 绪论
- 1.1 研究背景及意义
- 1.2 基本定义及问题描述
- 1.2.1 概念
- 1.2.2 命名实体识别
- 1.2.3 关系抽取
- 1.2.4 事件抽取
- 1.2.5 资源受限
- 1.2.6 信息抽取应用
- 1.3 基本研究方法与代表性系统
- 1.3.1 基于规则的方法
- 1.3.2 基于统计模型的方法
- 1.3.3 基于深度学习的方法
- 1.3.4 基于文本挖掘的方法
- 1.4 本书章节组织架构
- 第2章 基础理论
- 2.1 词汇语义表示
- 2.1.1 基于矩阵分解的方法
- 2.1.2 基于预测任务的方法
- 2.2 序列标注
- 2.3 条件随机场
- 2.3.1 线性链条件随机场
- 2.3.2 Viterbi算法
- 2.4 循环神经网络
- 2.4.1 朴素循环神经网络
- 2.4.2 长短期记忆网络
- 2.4.3 门控循环单元
- 2.4.4 双向循环神经网络
- 2.5 卷积神经网络
- 2.5.1 文本上的卷积
- 2.5.2 卷积神经网络的优点
- 2.6 图卷积神经网络
- 2.7 多任务学习
- 2.7.1 多任务学习模式
- 2.7.2 多任务学习有效性分析
- 2.8 远程监督
- 2.9 迁移学习
- 2.9.1 基于实例的迁移学习
- 2.9.2 基于特征的迁移学习
- 2.9.3 基于共享参数的迁移学习
- 参考文献
- 第3章 信息抽取相关评测和标注资源
- 3.1 MUC系列评测会议
- 3.2 ACE系列评测会议
- 3.3 TAC-KBP系列评测会议
- 3.4 其他研究活动
- 3.5 信息抽取标注资源
- 参考文献
- 第4章 联合实体识别的关系抽取
- 4.1 引言
- 4.2 问题描述
- 4.3 基于序列建模的实体识别
- 4.3.1 基于BERT的句子编码
- 4.3.2 头实体识别
- 4.3.3 尾实体识别
- 4.4 基于生成的实体关系联合抽取
- 4.4.1 句子编码
- 4.4.2 基于集合预测的解码过程
- 4.5 基于翻译的实体关系联合抽取
- 4.5.1 输入编码
- 4.5.2 实体识别
- 4.5.3 关系预测
- 4.5.4 基于翻译的实体关系联合抽取案例
- 4.6 实验验证
- 4.6.1 数据集和评价指标
- 4.6.2 对比算法
- 4.6.3 实验结果
- 4.6.4 问题与思考
- 4.7 本章小结
- 参考文献
- 第5章 弱监督的关系抽取
- 5.1 引言
- 5.2 问题分析
- 5.3 基于注意力机制的弱监督关系抽取
- 5.3.1 基于切分卷积神经网络的关系抽取
- 5.3.2 基于句子级别的注意力机制的远程监督关系抽取
- 5.3.3 基于实体描述的句子级别的注意力机制的远程监督关系抽取
- 5.3.4 基于非独立同分布的远程监督关系抽取
- 5.4 基于图卷积的远程监督关系抽取
- 5.4.1 基于依存树的图卷积关系抽取
- 5.4.2 基于注意力机制引导的图卷积神经网络关系抽取
- 5.5 基于篇章级别的远程监督关系抽取
- 5.6 实验验证
- 5.7 本章小结
- 参考文献
- 第6章 基于知识迁移的关系抽取
- 6.1 引言
- 6.2 同类别迁移的关系抽取
- 6.2.1 引言
- 6.2.2 相关工作
- 6.2.3 基于领域分离映射的领域自适应关系抽取框架
- 6.2.4 实验部分
- 6.2.5 总结与分析
- 6.3 跨类别迁移的关系抽取
- 6.3.1 引言
- 6.3.2 相关工作
- 6.3.3 基于任务感知的小实例关系抽取模型
- 6.3.4 实验部分
- 6.3.5 总结与分析
- 6.4 不均衡模型训练方法
- 6.4.1 引言
- 6.4.2 相关工作
- 6.4.3 基于多分布选择的不均衡数据分类方法
- 6.4.4 实验部分
- 6.4.5 总结与分析
- 6.5 本章小结
- 参考文献
- 第7章 多实例联合的事件抽取
- 7.1 引言
- 7.2 问题分析
- 7.3 基于记忆单元的多实例联合的事件抽取
- 7.3.1 技术路线
- 7.3.2 总结与分析
- 7.4 基于图卷积的多实例联合的事件抽取
- 7.4.1 技术路线
- 7.4.2 总结与分析
- 7.5 基于全局信息的多实例联合的事件抽取
- 7.5.1 技术路线
- 7.5.2 总结与分析
- 7.6 实验验证
- 7.6.1 实验设置
- 7.6.2 对比算法
- 7.6.3 实验分析
- 7.6.4 问题与思考
- 7.7 本章小结
- 参考文献
- 第8章 无监督的事件模板推导
- 8.1 引言
- 8.2 问题分析
- 8.3 融合语言特征的隐变量方法
- 8.3.1 技术路线
- 8.3.2 总结与分析
- 8.4 神经网络扩展的隐变量方法
- 8.4.1 技术路线
- 8.4.2 总结与分析
- 8.5 基于对抗生成网络的隐状态方法
- 8.5.1 技术路线
- 8.5.2 总结与分析
- 8.6 实验验证
- 8.6.1 实验设置
- 8.6.2 对比算法
- 8.6.3 实验分析
- 8.6.4 问题与思考
- 8.7 本章小结
- 参考文献
- 第9章 信息抽取在知识图谱构建中的应用
- 9.1 引言
- 9.2 指代消解方法
- 9.2.1 基于逻辑规则的指代消解
- 9.2.2 基于数据驱动的指代消解
- 9.2.3 利用结构化信息的指代消解
- 9.2.4 利用深层语义信息的指代消解
- 9.2.5 跨文本的指代消解
- 9.3 实体链接方法
- 9.3.1 实体链接介绍
- 9.3.2 实体链接基本架构
- 9.4 总结分析
- 参考文献
- 第10章 基于图谱知识的应用
- 10.1 引言
- 10.2 知识表示方法
- 10.2.1 基于距离的知识表示方法
- 10.2.2 基于翻译的知识表示方法
- 10.2.3 基于双线性的知识表示方法
- 10.2.4 基于神经网络的知识表示方法
- 10.3 知识推理
- 10.3.1 基于语言模式的匹配方法
- 10.3.2 基于分布式表示的识别方法
- 10.4 知识补全
- 10.4.1 预备知识
- 10.4.2 基于时序知识图谱的自动补全模型
- 10.5 基于知识图谱的推荐算法
- 10.5.1 基于分布式表示的方法
- 10.5.2 基于路径的方法
- 10.5.3 基于传播的方法
- 10.6 基于知识图谱的自动问答
- 10.6.1 常用知识图谱和问答数据集
- 10.6.2 知识图谱简单关系问答
- 10.6.3 知识图谱复杂关系问答
- 10.6.4 知识图谱序列问答
- 10.6.5 基于信息检索的知识图谱问答
- 10.6.6 结合非结构化知识的知识图谱问答
- 10.6.7 多结构或多语言的知识图谱问答
- 10.7 本章小结
- 参考文献
- 第11章 总结与展望
- 11.1 本书总结
- 11.2 未来研究展望
- 11.2.1 命名实体识别技术展望与发展趋势
- 11.2.2 关系抽取技术展望与发展趋势
- 11.2.3 事件识别与抽取技术展望与发展趋势
- 封底
展开全部
评分及书评
尚无评分
目前还没人评分
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。
