實戰知識圖譜
鄧勁生 宋省身 劉娟
買這商品的人也買了...
-
$750$675 -
$398資料分析 — 基於內容與結構的網絡輿情分析報告 (2015)
-
$520$411 -
$650$507 -
$352Python 貝葉斯分析
-
$403程序員的數學2 : 概率統計
-
$564ROS 機器人開發實踐
-
$301Kibana 數據可視化 (Learning Kibana 5.0)
-
$1,000$850 -
$301實戰 Python 設計模式:可復用面向對象軟件開發實踐
-
$564Elastic Stack 應用寶典
-
$890$757 -
$580$458 -
$680$537 -
$500$390 -
$653$614 -
$580$493 -
$980$774 -
$980$774 -
$880$748 -
$454Python 數據分析與可視化項目實戰
-
$600$570 -
$458Midjourney AI 室內設計基礎與應用
-
$1,080$853 -
$1,800$1,422
相關主題
商品描述
本書是學習知識圖譜的實踐教材,通過企業信息、醫藥疾病、銀行審計、人物關系、實體鏈接、科研文獻、微博輿情、法規搜索、司法文書、政府信箱、新聞推薦等十餘個行業領域項目實例,詳細介紹了知識圖譜的構建過程和應用方法,系統梳理和實際運用了知識圖譜的各項具體技術,全面覆蓋了知識的表示、獲取、存儲和應用全過程,重點描述了深度學習、自然語言處理等實現途徑,充分展示了多種知識圖譜的可視化應用。 本書適合作為高等學校電腦科學與技術、軟件工程、人工智能等本專科專業的教材,也適合作為運用知識圖譜技術的研究生、工程師和研究人員的學習資料。
目錄大綱
目錄
第1章走近知識圖譜1
1.1基本概念1
1.1.1源自搜索引擎1
1.1.2知識圖譜的定義2
1.1.3知識表示3
1.1.4操作和存儲5
1.2構建流程7
1.2.1數據獲取8
1.2.2信息抽取9
1.2.3知識融合11
1.2.4知識加工13
1.3知識圖譜應用15
1.3.1知識圖譜分類15
1.3.2通用知識圖譜應用16
1.3.3領域知識圖譜應用18
1.3.4面臨的技術挑戰22
1.4本書實戰知識點23
第2章企業信息知識圖譜25
2.1項目設計25
2.1.1需求分析25
2.1.2工作流程25
2.1.3技術選型26
2.1.4開發準備27
2.2數據準備和預處理28
2.2.1數據獲取28
2.2.2數據的預處理30
2.3知識建模和存儲31
2.3.1企業主要屬性31
2.3.2企業數據源形成31
2.3.3知識圖譜主體構建35
2.3.4企業信息三元組形成36
2.3.5數據存儲 37
2.4圖譜可視化和知識應用38
2.4.1查詢企業全貌39
2.4.2企業關系維度分析41
2.4.3司法維度分析41
2.5小結和擴展42
〖1〗〖2〗實戰知識圖譜〖1〗目錄第3章醫藥疾病知識圖譜44
3.1項目設計44
3.1.1需求分析44
3.1.2工作流程44
3.1.3技術選型45
3.1.4開發準備47
3.2數據準備和預處理47
3.2.1數據描述47
3.2.2數據獲取48
3.2.3數據預處理50
3.3知識建模和存儲51
3.3.1實體抽取51
3.3.2三元組的抽取53
3.3.3數據存儲55
3.4圖譜可視化和知識應用56
3.4.1數據查詢57
3.4.2膳食維度分析58
3.4.3用藥維度分析60
3.5小結和擴展60
第4章銀行審計知識圖譜61
4.1項目設計61
4.1.1需求分析61
4.1.2工作流程61
4.1.3技術選型62
4.1.4開發準備62
4.2數據準備和預處理63
4.2.1數據獲取63
4.2.2數據預處理66
4.3知識建模和存儲67
4.3.1構建賬戶數據模型 67
4.3.2抽取三元組並存儲68
4.4圖譜可視化和知識應用70
4.4.1客戶的所有賬戶70
4.4.2賬戶的全部交易記錄71
4.4.3某時間段內賬戶的交易記錄71
4.4.4賬戶相關的全部對方賬戶73
4.4.5客戶的異常交易行為73
4.4.6下一步改進工作74
4.5小結和擴展77
第5章人物關系智能問答78
5.1項目設計78
5.1.1需求分析78
5.1.2工作流程79
5.1.3技術選型79
5.1.4開發準備81
5.2數據準備和預處理82
5.2.1數據準備82
5.2.2數據預處理82
5.3知識建模和存儲83
5.3.1知識建模及描述83
5.3.2數據存儲84
5.4圖譜可視化和知識應用88
5.4.1問題模板定義89
5.4.2樸素貝葉斯問題分類90
5.4.3意圖識別與槽位填充91
5.4.4問答展示93
5.5小結和擴展96
第6章基於知識庫的實體鏈接系統98
6.1項目設計98
6.1.1需求分析98
6.1.2工作流程98
6.1.3技術選型99
6.1.4開發準備100
6.2數據準備和預處理101
6.2.1數據獲取101
6.2.2數據預處理101
6.2.3自定義詞典104
6.3知識建模和存儲104
6.3.1候選實體生成104
6.3.2候選實體消歧108
6.4知識應用111
6.4.1功能實現111
6.4.2應用場景112
6.5小結和擴展113
第7章交通出行科研文獻研究114
7.1項目設計114
7.1.1需求分析114
7.1.2工作流程114
7.1.3技術選型115
7.1.4開發準備116
7.2數據準備和預處理117
7.2.1文獻數據下載117
7.2.2文獻數據導入117
7.2.3數據轉換處理118
7.2.4CNKI引文數據獲取119
7.3圖譜可視化和知識應用121
7.3.1共現和聚類分析122
7.3.2突現分析126
7.3.3共被引分析127
7.3.4合作網絡分析128
7.4小結和擴展129
第8章微博輿情知識圖譜130
8.1項目設計130
8.1.1需求分析130
8.1.2工作流程130
8.1.3技術選型132
8.1.4開發準備133
8.2數據準備和預處理133
8.2.1採集話題帖子133
8.2.2解析關鍵數據134
8.2.3情感傾向分析142
8.3知識建模和存儲143
8.4圖譜可視化和知識應用146
8.4.1圖譜可視化146
8.4.2展示性分析147
8.5小結和擴展149
第9章基於法規知識圖譜的搜索系統150
9.1項目設計150
9.1.1需求分析150
9.1.2工作流程151
9.1.3技術選型152
9.1.4開發準備154
9.2數據準備和預處理155
9.2.1獲取法規列表155
9.2.2獲得法律內容詳情156
9.2.3法規實體抽取158
9.3知識建模和存儲160
9.3.1法規採集記錄160
9.3.2法規詳情信息161
9.3.3法規關系數據163
9.4圖譜可視化和知識應用165
9.4.1可視化實現過程165
9.4.2法規數據圖譜展示170
9.4.3法律法規Web搜索171
9.5小結和擴展173
第10章基於裁判文書的司法知識圖譜174
10.1項目設計174
10.1.1需求分析174
10.1.2工作流程175
10.1.3技術選型175
10.1.4開發準備177
10.2數據準備和預處理177
10.2.1數據獲取177
10.2.2獲取裁判文書數據178
10.2.3獲取關鍵字典數據179
10.2.4序列標註180
10.2.5特徵提取182
10.3知識建模和存儲183
10.3.1基於BiLSTM+CRF模型的命名實體識別183
10.3.2實體關系抽取186
10.4圖譜可視化和知識應用187
10.4.1繪制知識圖譜187
10.4.2知識圖譜展示188
10.4.3知識圖譜應用188
10.5小結和擴展189
第11章政府信箱知識服務190
11.1項目設計190
11.1.1需求分析190
11.1.2工作流程191
11.1.3技術選型192
11.1.4開發準備193
11.2數據準備和預處理194
11.2.1源網站分析195
11.2.2URL信息獲取195
11.2.3信息預處理196
11.2.4關系數據庫表存儲197
11.3知識建模和存儲198
11.3.1知識表示和建模198
11.3.2知識抽取199
11.3.3圖數據庫存儲203
11.4圖譜可視化和知識應用204
11.4.1民生關註點詞雲204
11.4.2政府信箱智能問答206
11.5小結和擴展210
第12章新聞推薦系統211
12.1項目設計211
12.1.1需求分析211
12.1.2工作流程211
12.1.3技術選型212
12.1.4開發準備212
12.2知識圖譜構建213
12.2.1數據準備213
12.2.2數據處理213
12.2.3知識圖譜構建214
12.3推薦模型構建216
12.3.1數據集生成216
12.3.2模型訓練217
12.3.3模型訓練總結220
12.4可視化應用220
12.4.1框架搭建220
12.4.2用戶行為收集221
12.4.3實時新聞數據更新222
12.4.4個性化推薦224
12.5小結和擴展227