最新 AI 技術:知識圖譜集技術概念大成

肖仰華 等

  • 最新 AI 技術:知識圖譜集技術概念大成-preview-1
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-2
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-3
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-4
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-5
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-6
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-7
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-8
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-9
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-10
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-11
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-12
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-13
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-14
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-15
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-16
  • 最新 AI 技術:知識圖譜集技術概念大成-preview-17
最新 AI 技術:知識圖譜集技術概念大成-preview-1

買這商品的人也買了...

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