知識圖譜研究與領域實踐

馮鈞 朱躍龍 杭婷婷 陸佳民 巫義銳 王文鵬

  • 出版商: 人民郵電
  • 出版日期: 2022-05-01
  • 定價: $1,019
  • 售價: 9.5$968
  • 語言: 簡體中文
  • 頁數: 274
  • ISBN: 7115584214
  • ISBN-13: 9787115584212
  • 相關分類: 人工智慧DeepLearning
  • 立即出貨

  • 知識圖譜研究與領域實踐-preview-1
  • 知識圖譜研究與領域實踐-preview-2
知識圖譜研究與領域實踐-preview-1

買這商品的人也買了...

相關主題

商品描述

知識圖譜已被廣泛應用於智能信息搜索、自動問答、決策分析等領域。本書以構建領域多層次知識體系支撐智能應用為目標,系統地介紹實體關系圖譜、事理圖譜和業務主題圖譜構建過程中涉及的關鍵技術,如知識抽取、知識融合、知識存儲、事件和場景抽取、事件模式庫構建、事理規則挖掘、層次主題挖掘、動態主題挖掘、對象屬性挖掘、主題要素關聯挖掘等。此外,本書還提供豐富的案例,展現如何利用知識圖譜實現領域智能應用。

本書內容對於知識圖譜研究和領域應用具有一定的參考意義,既適合專業人士瞭解知識圖譜和深度學習前沿熱點,又適合在相關領域從事知識圖譜應用開發的人員學習,還可以作為高等院校人工智能專業師生的參考教材。

作者簡介

冯钧,日本名古屋大学信息工程博士,博士生导师,现就职于河海大学计算机与信息学院,长期从事数据管理、领域知识工程、水利大数据应用研究。主持或参与国家重点研发计划项目、国家重大专项、国家科技支撑计划、国家自然科学基金、水利部公益性行业专项重点项目、江苏省科技支撑计划以及重点工程科研项目等30余项目。获国家科技进步二等奖1项,省部级科技进步一等奖2项、二等奖1项,发表学术论文80余篇。主持编制水利行业标准2部,出版英文学术专著1部,申请国家发明专利60余件,获授权国家发明专利30余项,软件著作权10余项。江苏省“青蓝工程”优秀青年骨干教师。

目錄大綱

目 錄

第 1章 緒論 001

1.1 知識圖譜簡介 001

1.2 領域分層知識體系 003

參考文獻 004

第 2章 實體關系圖譜構建技術 005

2.1 知識抽取 005

2.1.1 引言 005

2.1.2 相關工作 006

2.1.3 基於維基百科的知識抽取 010

2.1.4 水利空間關系詞識別與提取 014

2.1.5 面向領域知識圖譜的關系抽取 020

2.1.6 基於強化學習的關系抽取 031

2.1.7 基於聯合學習的實體關系抽取 039

2.1.8 總結 043

2.2 知識融合 044

2.2.1 引言 044

2.2.2 相關工作 044

2.2.3 基於多特徵的實體消歧 051

2.2.4 基於詞典的屬性對齊 055

2.2.5 基於貝葉斯分析的屬性真值發現 056

2.2.6 實驗分析 060

2.2.7 總結 063

2.3 知識存儲 063

2.3.1 引言 063

2.3.2 相關工作 064

2.3.3 基於頻繁謂詞的擴展垂直劃分方法 065

2.3.4 基於頻繁謂詞樹的SPARQL查詢方法 069

2.3.5 基於混合存儲模式的分佈式SPARQL查詢優化 076

2.3.6 總結 084

參考文獻 084

第3章 事理圖譜構建 091

3.1 事件和場景抽取 091

3.1.1 引言 091

3.1.2 相關工作 093

3.1.3 基於預訓練模型的事件抽取 095

3.1.4 基於Bi-LG-LSTM神經網絡的一元時間序列分割 101

3.1.5 基於滑動窗口採樣和DTWCorr度量方式的多元時間序列分割 107

3.1.6 總結 113

3.2 事件模式庫構建 114

3.2.1 引言 114

3.2.2 相關工作 114

3.2.3 基於特徵提取與選擇的多元時間序列聚類 115

3.2.4 基於子序列全連接的時間序列模體挖掘 122

3.2.5 基於時間序列關系的多元時間序列關聯規則挖掘 129

3.2.6 總結 135

3.3 事理規則挖掘 136

3.3.1 引言 136

3.3.2 相關工作 136

3.3.3 基於事理圖譜的時空場景事件演化成因分析 137

3.3.4 總結 144

參考文獻 144

第4章 業務主題圖譜構建技術 149

4.1 層次主題挖掘技術 149

4.1.1 引言 149

4.1.2 相關工作 150

4.1.3 基於標簽信息的文本主題層次挖掘模型 151

4.1.4 總結 160

4.2 動態主題挖掘技術 161

4.2.1 引言 161

4.2.2 相關研究 161

4.2.3 基於主題關聯度的動態主題演化路徑挖掘 162

4.2.4 總結 166

4.3 對象屬性挖掘技術 166

4.3.1 引言 166

4.3.2 相關工作 166

4.3.3 基於LDA和同義詞識別的對象屬性挖掘 167

4.3.4 總結 174

4.4 主題 要素關聯挖掘技術 174

4.4.1 引言 174

4.4.2 相關工作 174

4.4.3 基於文檔網絡圖的主題關鍵要素挖掘 176

4.4.4 總結 182

參考文獻 182

第5章 領域知識應用 187

5.1 智能數據服務技術的應用案例 187

5.1.1 引言 187

5.1.2 基於知識圖譜的多關系問答 188

5.1.3 水利領域知識圖譜可視化 197

5.1.4 基於知識圖譜的個性化推薦 204

5.1.5 面向基礎水利對象的多模態數據關聯與應用 208

5.1.6 總結 214

5.2 智能決策支持的應用案例 214

5.2.1 引言 214

5.2.2 基於時空特徵模式庫的決策方案生成和優化 214

5.2.3 基於事理圖譜演化模式的反向成因分析 227

5.2.4 總結 230

5.3 智能預測模型的應用案例 231

5.3.1 引言 231

5.3.2 基於多特徵小樣本數據的洪水預報 231

5.3.3 基於可解釋的時空註意力網絡方法的洪水預報 241

5.3.4 基於特徵融合的洪水預測 252

5.3.5 基於可解釋的洪水多步預測方法 258

5.3.6 總結 263

5.4 基於耦合網絡的業務協同預演 264

5.4.1 引言 264

5.4.2 耦合網絡定義與表示 265

5.4.3 面向業務的協同預演系統架構 266

5.4.4 總結 268

參考文獻 268