知識圖譜:方法、實踐與應用
王昊奮,漆桂林,陳華鈞
- 出版商: 電子工業
- 出版日期: 2019-08-01
- 定價: $708
- 售價: 9.5 折 $673
- 語言: 簡體中文
- ISBN: 7121366711
- ISBN-13: 9787121366710
-
相關分類:
DeepLearning
-
相關翻譯:
人類智慧的神殿:AI知識圖譜實作 (繁中版)
銷售排行:
🥈 2020/1 簡體中文書 銷售排行 第 2 名
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$352Python 計算機視覺編程 (Programming Computer Vision with Python)
-
$650$507 -
$505情感分析 : 挖掘觀點、情感和情緒 (Sentiment Analysis: Mining Opinions, Sentiments, and Emotions)
-
$450$356 -
$505從零開始學架構:照著做,你也能成為架構師
-
$311自然語言處理實踐:聊天機器人技術原理與應用
-
$399$315 -
$1,000$790 -
$650$553 -
$505機器學習即服務:將 Python 機器學習創意快速轉變為雲端 Web 應用程序 (Monetizing Machine Learning: Quickly Turn Python ML Ideas into Web Applications on the Serverless Cloud)
-
$393深度學習的數學
-
$720$562 -
$499$394 -
$580$458 -
$602$566 -
$650$553 -
$580$458 -
$890$757 -
$505知識圖譜與深度學習
-
$261知識圖譜的自然語言查詢和關鍵詞查詢
-
$750$593 -
$314數據治理:如何設計、開展和保持有效的數據治理計劃
-
$599$473 -
$599$473 -
$774$735
相關主題
商品描述
知識圖譜是較為典型的多學科交叉領域,涉及知識工程、自然語言處理、機器學習、圖數據庫等多個領域。本書系統地介紹知識圖譜涉及的關鍵技術,如知識建模、關系抽取、圖存儲、自動推理、圖譜表示學習、語義搜索、知識問答、圖挖掘分析等。此外,本書還嘗試將學術前沿和實戰結合,讓讀者在掌握實際應用能力的同時對前沿技術發展有所瞭解。本書既適合電腦和人工智能相關的研究人員閱讀,又適合在企業一線從事技術和應用開發的人員學習,還可作為高等院校電腦或人工智能專業師生的參考教材。
作者簡介
王昊奮,上海交通大學計算機博士。中文知識圖譜zhishi.me創始人、OpenKG發起人之一、CCF理事、CCF術語審定工委主任、CCF TF執委、中文信息學會語言與知識計算專委會副秘書長、上海交通大學校友會AI分會秘書長。在知識圖譜、問答系統和聊天機器人等諸多領域有豐富的研發經驗。
漆桂林,東南大學計算機學院教授、東南大學認知智能研究所所長、南京柯基數據科技有限公司首席科學家、OpenKG發起人之一、中國中文信息學會語言與知識計算專業委員會副主任、中國科學技術情報學會知識組織專業委員會副主任、愛思唯爾(Elsevier)數據管理顧問委員會顧問、國際期刊Journal of Data Intelligence 執行主編。科研成果在電力故障智能檢測和知識推送、醫藥知識問答及網絡安全態勢感知系統等領域得到了實際應用。
陳華鈞,浙江大學計算機科學與技術學院教授。浙江大學阿里巴巴知識引擎聯合實驗室負責人、浙江省大數據智能計算重點實驗室副主任、中國人工智能學會知識工程與分佈智能專業委員會副主任委員、中國中文信息學會語言與知識計算專業委員會副主任委員、OpenKG發起人。曾獲國際語義網會議ISWC佳論文獎。
目錄大綱
第1章知識圖譜概述
1.1 什麼是知識圖譜
1.2 知識圖譜的發展歷史
1.3 知識圖譜的價值
1.4 國內外典型的知識圖譜項目
1.5 知識圖譜的技術流程
1.6 知識圖譜的相關技術
第2章 知識表示與建模
2.1 什麼是知識表示
2.2 人工智能早期時代的知識表示方法
2.3 互聯網時代的語義網知識表示框架
2.4 常見開放域知識圖譜的知識表示方法
2.5 知識圖譜的向量表示方法
2.6 開源工具實踐:基於Protégé的本體知識建模
第3章知識存儲
3.1 知識圖譜數據庫基本知識
3.2 常見知識圖譜存儲方法
3.3 知識存儲關鍵技術
3.4 開源工具實踐:以Apache Jena為例
第4章知識抽取與知識挖掘
4.1 知識抽取任務及相關競賽
4.2 面向結構化數據的知識抽取
4.3 面向半結構化數據的知識抽取
4.4 知識挖掘
4.5 開源工具實踐:基於DeepDive的關係抽取實踐
第5章知識圖譜的融合
5.1 什麼是知識圖譜融合
5.3 本體概念層的融合方法與技術
5.4 實例層的融合與匹配
5.5 開源工具實踐:實體關係發現框架LIMES
第6章 知識圖譜推理
6.1 推理概述
6.2 基於演繹的知識圖譜推理
6.3 基於歸納的知識圖譜推理
6.4 知識圖譜推理新進展
6.5 開源工具實踐:基於Jena和Drools的知識推理實踐
第7章語義搜索
7.1 語義搜索簡介
7.2 結構化的查詢語言
7.3 語義數據搜索
7.4 語義搜索的交互範式
7.5 語義搜索實戰
第8章知識問答
8.1 知識問答概述
8.2 知識問答的分類體系
8.3 知識問答系統簡史
8.4 評價知識問答系統
8.6開源工具實踐: 使用Elasticsearch搭建簡單知識問答系統
第9章知識圖譜應用案例
9.1 領域知識圖譜構建的技術流程
9.2 領域知識圖譜構建的基本方法
9.3 知識圖譜的領域應用案例