人工智能：知識(shí)圖譜前沿技術(shù)

定　價(jià)：￥78.00

作　者：	暫缺
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥74.90)

ISBN：	9787121389924	出版時(shí)間：	2020-06-01	包裝：	精裝
開本：	16開	頁數(shù)：	252	字?jǐn)?shù)：

內(nèi)容簡介

　　知識(shí)圖譜作為當(dāng)前人工智能的重要方向之一，不僅被實(shí)驗(yàn)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(shí)圖譜是一個(gè)古老而又嶄新的課題，是知識(shí)工程在新時(shí)代的新形態(tài)。智能離不開知識(shí)。知識(shí)始終是人工智能的核心之一。本書按照知識(shí)表示、知識(shí)庫構(gòu)建、知識(shí)推理和知識(shí)應(yīng)用的基本脈絡(luò)，全面介紹有關(guān)知識(shí)圖譜的前沿技術(shù)。為便于理解和融會(huì)貫通，本書也對相關(guān) NLP與機(jī)器學(xué)習(xí)的基本知識(shí)與知識(shí)圖譜的經(jīng)典傳統(tǒng)方法進(jìn)行了適當(dāng)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(xué)參考書。

作者簡介

　　朱小燕，清華大學(xué)計(jì)算機(jī)系教授，智能技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室主任，曾任清華大學(xué)計(jì)算機(jī)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?yàn)橹悄苄畔⑻幚?，包括人工神?jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、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(xiàng)，在國際刊物和會(huì)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(jī)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(shí)
1.2知識(shí)類型與知識(shí)金字塔
1.3什么是知識(shí)圖譜
1.4知識(shí)圖譜的發(fā)展歷史
1.5知識(shí)圖譜研究的主要內(nèi)容
1.5.1知識(shí)表示
1.5.2構(gòu)建知識(shí)庫
1.5.3知識(shí)推理
1.5.4知識(shí)應(yīng)用
1.6本書內(nèi)容安排
第2章傳統(tǒng)知識(shí)表示與建模
2.1知識(shí)表示的基本概念
2.2基于邏輯的知識(shí)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(shí)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(shí)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(shí)表示方法
2.6.2過程性知識(shí)表示方法
2.7本章小結(jié)
第3章現(xiàn)代文本表示學(xué)習(xí)基礎(chǔ)
3.1文本表示學(xué)習(xí)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(xué)習(xí)的進(jìn)階模型
3.2.1ELMo
3.2.2GPT
3.2.3BERT
3.3文本表示與知識(shí)表示
3.4本章小結(jié)
第4章現(xiàn)代知識(shí)表示與學(xué)習(xí)
4.1基于幾何變換的知識(shí)圖譜表示學(xué)習(xí)
4.1.1基于平移原則的知識(shí)圖譜表示學(xué)習(xí)
4.1.2基于混合幾何變換的知識(shí)圖譜表示學(xué)習(xí)
4.1.3基于流形原則的知識(shí)圖譜表示學(xué)習(xí)
4.2基于神經(jīng)網(wǎng)絡(luò)的知識(shí)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(fù)雜網(wǎng)絡(luò)模型
4.3結(jié)合文本的知識(shí)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(shí)圖譜的構(gòu)建
5.1命名實(shí)體識(shí)別
5.1.1什么是命名實(shí)體
5.1.2任務(wù)概述
5.1.3傳統(tǒng)的命名實(shí)體識(shí)別方法
5.1.4基于深度學(xué)習(xí)的命名實(shí)體識(shí)別方法
5.1.5基于深度學(xué)習(xí)的命名實(shí)體識(shí)別新模型及新思路
5.2命名實(shí)體鏈接
5.2.1任務(wù)概述
5.2.2傳統(tǒng)的命名實(shí)體鏈接方法
5.2.3基于深度學(xué)習(xí)的命名實(shí)體鏈接方法
5.3命名實(shí)體關(guān)系抽取
5.3.1任務(wù)概述
5.3.2傳統(tǒng)的命名實(shí)體關(guān)系抽取方法
5.3.3基于深度學(xué)習(xí)的命名實(shí)體關(guān)系抽取方法
5.4本章小結(jié)
第6章知識(shí)推理
6.1什么是知識(shí)推理
6.2基于符號(hào)的知識(shí)推理
6.3基于隨機(jī)游走的路徑排序算法
6.4基于增強(qiáng)學(xué)習(xí)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(kuò)展的Path-RNN
6.6本章小結(jié)
第7章知識(shí)圖譜的應(yīng)用
7.1知識(shí)庫問答
7.1.1基于信息抽取的知識(shí)庫問答
7.1.2基于語義解析的知識(shí)庫問答
7.1.3基于嵌入表示的知識(shí)庫問答
7.2知識(shí)圖譜在文本生成中的應(yīng)用
7.2.1常識(shí)知識(shí)驅(qū)動(dòng)的對話生成模型
7.2.2常識(shí)知識(shí)驅(qū)動(dòng)的故事結(jié)局生成模型
7.3知識(shí)圖譜在情感挖掘中的應(yīng)用
7.3.1語言學(xué)知識(shí)驅(qū)動(dòng)的情感分類
7.3.2知識(shí)圖譜驅(qū)動(dòng)的情感分析
7.4本章小結(jié)
第8章知識(shí)圖譜資源
8.1通用的知識(shí)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(shí)圖譜資源
8.2.1電子商務(wù)知識(shí)圖譜
8.2.2中醫(yī)藥知識(shí)圖譜
8.3本章小結(jié)
參考文獻(xiàn)