最新 AI 技術:知識圖譜集技術概念大成
肖仰華 等
- 出版商: 深智數位
- 出版日期: 2021-03-18
- 定價: $980
- 售價: 7.9 折 $774
- 語言: 繁體中文
- 頁數: 560
- 裝訂: 平裝
- ISBN: 9865501821
- ISBN-13: 9789865501822
-
相關分類:
人工智慧、大數據 Big-data、Text-mining
- 此書翻譯自: 知識圖譜:概念與技術
立即出貨 (庫存 < 10)
買這商品的人也買了...
-
$3,180$3,021 -
$2,520Fundamentals of Software Architecture: A Comprehensive Guide to Patterns, Characteristics, and Best Practices (Paperback)
-
$650$553 -
$600$510 -
$507深入淺出圖神經網絡:GNN 原理解析
-
$890$757 -
$580$493 -
$690$538 -
$780$663 -
$1,080$853 -
$1,710Quantum Computing: Program Next-Gen Computers for Hard, Real-World Applications
-
$880$695 -
$880$748 -
$2,700$2,565 -
$780$663 -
$520$406 -
$680$530 -
$556AI 源碼解讀:機器學習案例 (Python版)
-
$454AI 源碼解讀:循環神經網絡(RNN)深度學習案例 (Python版)
-
$564AI 源碼解讀:捲積神經網絡(CNN)深度學習案例 (Python版)
-
$403$379 -
$414$393 -
$880$695 -
$880$695 -
$499$394
相關主題
商品描述
搜尋引擎、維基百科,龐大系統的建立,全部靠著系統化的人工智慧技術,而知識圖譜(Knowledge Graph, KG)就是這個技術的佼佼者。知識圖譜是一種大規模語義網路,已經成為大數據時代知識工程的代表性進展。這一次你不但可以知道最新技術的來龍去脈,更可以自己實作這個技術,並且熟知知識圖譜技術的發展及未來。
這是一本系統介紹知識圖譜概念、技術與實作的書。全書共5篇,由16章組成,力求涵蓋知識圖譜相關的基本概念與關鍵技術。
►「基礎篇」介紹知識圖譜的基本概念、內涵與外延、歷史沿革、應用價值,以及相關的基礎知識。
►「建置篇」重點介紹大規模高品質知識圖譜的自動化建置技術,涵蓋詞彙採擷、實體識別、關係取出及概念圖譜建置、百科圖譜建置、眾包建置與品質控制等專題。
►「管理篇」系統地說明了知識圖譜建模與儲存、查詢與檢索,以及圖資料管理系統。
►「應用篇」對於以知識圖譜為基礎的關鍵應用技術多作說明,包含搜尋與推薦、自然語言問答,以及以知識圖譜為基礎的自然語言了解。
►「實作篇」介紹知識圖譜實作中的基本原則和有用實作,初步討論了知識圖譜實作中的開放性問題。
適合讀者群:從事技術和應用開發者、企業與企業智慧化的從業人員、電腦和人工智慧相關的師生或研究人員。
作者簡介
作者簡介
肖仰華博士,復旦大學教授、博士生導師、復旦大學知識工廠實驗室創始人、上海市互聯網大數據工程技術中心副主任、多家企業高級顧問與首席科學家、知識圖譜前沿技術系列課程發起人、十多個國家/省市/企業研究獎項獲得者、三十多個國家/省市/企業研發項目負責人。在國際頂級學術會議與期刊(包括SIGMOD、VLDB、ICDE、IJCAI、AAAI、TKDE等)發表論文百餘篇,授權近20項知識圖譜專利。百餘次擔任國際/國內學術機構/會議的學術服務工作。領導構建了知識庫雲端服務平台(知識工廠平台kw.fudan.edu.cn),發佈一系列知識圖譜,以API形式為數百家應用單位服務超過10億次。
目錄大綱
第1 篇 基礎篇
01 | 知識圖譜概述
1.1 知識圖譜的基本概念
1.2 知識圖譜的歷史沿革
1.3 知識圖譜的研究意義
1.4 知識圖譜的應用價值
1.5 知識圖譜的分類
02 | 基礎知識
2.1 概述
2.2 知識表示
2.3 機器學習
2.4 自然語言處理
第2 篇 建置篇
03 | 詞彙採擷與實體識別
3.1 概述
3.2 領域子句採擷
3.3 同義字採擷
3.4 縮略詞取出
3.5 實體識別
04 | 關係取出
4.1 概述
4.2 以模式為基礎的取出
4.3 以學習為基礎的取出
4.4 開放關係取出
05 | 概念圖譜建置
5.1 概述
5.2 isA 關係取出
5.3 isA 關係補全
5.4 isA 關係校正
06 | 百科圖譜建置
6.1 概述
6.2 以單源為基礎的百科圖譜建置
6.3 以多源為基礎的百科圖譜融合
07 | 知識圖譜的眾包建置
7.1 概述
7.2 知識型眾包的基本概念
7.3 知識型眾包研究的問題
7.4 基於眾包的知識圖譜建置與精化
08 | 知識圖譜的品質控制
8.1 概述
8.2 缺失知識的發現與補全
8.3 錯誤知識的發現與校正
8.4 過期知識的更新
第3 篇 管理篇
09 | 知識圖譜的建模與儲存
9.1 概述
9.2 知識圖譜的資料模型
9.3 知識圖譜的物理儲存
10 | 知識圖譜的查詢與檢索
10.1 概述
10.2 查詢語言:SPARQL
10.3 子圖查詢
10.4 其他查詢
11 | 圖資料管理系統
11.1 概述
11.2 知識圖譜與圖資料管理系統
11.3 圖資料管理系統的基本架構和設計原則
11.4 典型的圖資料管理系統
第4 篇 應用篇
12 | 基於知識圖譜的語言認知
12.1 概述
12.2 實體理解
12.3 概念理解
12.4 屬性理解
13 | 基於知識圖譜的搜尋與推薦
13.1 概述
13.2 基於知識圖譜的搜尋
13.3 基於知識圖譜的推薦
14 | 基於知識圖譜的問答
14.1 概述
14.2 基於範本的KBQA
14.3 基於圖模型的KBQA
14.4 基於深度學習的KBQA
第5 篇 實作篇
15 | 知識圖譜實作
15.1 概述
15.2 知識圖譜系統
15.3 知識圖譜專案
16 | 開放性問題
16.1 知識表示
16.2 知識取得
16.3 知識應用